Verificação da Aplicabilidade da Técnica Structure From ... · Agisoft PhotoScan e o Regard3D,...
Transcript of Verificação da Aplicabilidade da Técnica Structure From ... · Agisoft PhotoScan e o Regard3D,...
Bruno Miguel de Sousa Videira
Licenciado em Ciências de Engenharia Mecânica
Verificação da Aplicabilidade da
Técnica Structure From Motion na
Modelação 3D de Componentes
Mecânicos
Dissertação para obtenção do Grau de Mestre em
Engenharia Mecânica
Orientador: Doutor Rui Fernando Martins, Professor
Auxiliar, FCT/UNL – DEMI
Co-orientador: Doutor António Manuel Flores Romão de
Azevedo Gonçalves Coelho, Professor Catedrático,
FCT/UNL – DEMI
Setembro 2016
III
Verificação da Aplicabilidade da Técnica Structure From Motion na Modelação 3D de
Componentes Mecânicos
Copyright 2016 © Bruno Miguel de Sousa Videira, Faculdade de Ciências e Tecnologia,
Universidade Nova de Lisboa.
A Faculdade de Ciências e Tecnologia e a Universidade Nova de Lisboa têm o direito, perpétuo
e sem limites geográficos, de arquivar e publicar esta dissertação através de exemplares
impressos reproduzidos em papel ou de forma digital, ou por qualquer outro meio conhecido
ou que venha a ser inventado, e de a divulgar através de repositórios científicos e de admitir a
sua cópia e distribuição com objectivos educacionais ou de investigação, não comerciais, desde
que seja dado crédito ao autor e editor.
IV
V
Agradecimentos
Gostaria de agradecer em especial à minha mãe e aos meus irmãos por estarem ao meu lado
perante os desafios que foram surgindo durante o meu percurso académico, apoiando-me de
forma incondicional.
Ao Professor Doutor Rui Fernando Martins pela sua constante disponibilidade e auxílio,
guiando-me na realização deste estudo, e por me ter aceitado como seu orientando. Também
o meu agradecimento ao Professor Doutor Gonçalves Coelho que surgiu com este tema de
projecto, e pela sua ajuda na área da fotografia e a sua amabilidade em emprestar o seu
equipamento fotográfico pessoal, indispensáveis para a execução deste trabalho.
Por último, um obrigado a todos os meus colegas e amigos nesta jornada da minha vida, em
especial ao Bruno Morais e ao Celso Almeida, que me ajudaram sempre que necessitei, e que
de forma humilde e altruísta me estenderam a mão sem hesitar.
VI
VII
Resumo
É cada vez mais recorrente a aplicação do processo de engenharia inversa em diversas áreas,
principalmente na engenharia. A possibilidade de recolher informação e conhecimento acerca
do funcionamento e design de projecto de um componente acabado, revela-se uma vantagem
na procura de melhores soluções.
O presente trabalho tem como intuito verificar se, através da técnica Structure from Motion
(também conhecida por Surface from Motion), é possível modelar tridimensionalmente
componentes mecânicos, usando apenas para a aquisição de dados um equipamento
fotográfico convencional. Recorrendo a dois programas computacionais para o efeito, o
Agisoft PhotoScan e o Regard3D, respectivamente na sua versão de teste e versão gratuita, é
descrito o seu procedimento de utilização, e testados os vários parâmetros de funcionamento,
comparando as dimensões das cotas dos modelos obtidos com os valores das cotas medidas
nas peças reais através de paquímetro. Após a análise cuidadosa dos desvios das dimensões,
são indicados os valores dos parâmetros a seleccionar, de forma a que os modelos
tridimensionais sejam os mais similares possíveis às peças reais.
Os resultados obtidos permitem concluir que para as peças utilizadas, aquelas que possuem
uma espessura mais reduzida – 1.08 mm e 2.46 mm – não é possível almejar uma reconstrução
de modelos completos, enquanto que para as peças de maiores dimensões, consegue-se o
objectivo de modelos que representam as superfícies na sua totalidade. De todas as cotas
medidas, o valor mais elevado do desvio foi de 4.31 mm e registado na cota de maior
comprimento (143.24 mm). Percentualmente, o maior desvio verificado foi de 28.40%, mais
precisamente um desvio de 0.94 mm em relação ao valor real (3.31 mm). Por fim, a utilização
do Agisoft PhotoScan origina modelos mais próximos da realidade, com pouco ruído e através
de um processo muito mais simples e optimizado em comparação com a utilização do
Regard3D.
Palavras-chave:
Structure from Motion
Modelos Tridimensionais
Engenharia Inversa
Nuvem de Pontos
VIII
IX
Abstract
Nowadays, it is more often the application of the reverse engineering process in several fields,
especially in engineering. The possibility to collect information and knowledge about the
project design of a component already made, it is an advantage in the search for better
solutions.
This work intend to investigate if, by a Structure from Motion technique (also known as Surface
from Motion), is possible to create a three-dimensional model of a mechanic component, using
only a conventional photographic equipment. With the aid of two computer programs for this
purpose, the Agisoft PhotoScan and the Regard3D, respectively in its trial version and free
version, it is explained the work procedure and are tested the several operating parameters,
by comparing the dimensions of the obtained models with the dimension values measured on
the actual parts by a digital caliper. After a careful analysis of the dimension deviations, the
parameters values are set, so that the three-dimensional models are the most similar as
possible to the real parts.
The results obtained allow to conclude that for the parts used, those with a reduced thickness
- 1.08 mm and 2.46 mm - it is not possible to aim for a full reconstruction models, whereas for
the larger pieces, the objective is achieved and the parts are entirely modelled. Of all
dimensions measured, the highest deviation value was 4.31 mm and registered in the longest
dimension (143.24 mm). In percent terms, the highest deviation verified was 28.40%, more
precisely a deviation of 0.94mm from the actual value (3.31 mm). Finally, the use of Agisoft
PhotoScan creates models closer to reality, with low noise and through a much simpler and
optimized process compared to the use of Regard3D.
Key-words:
Structure from Motion
Three-dimensional models
Reverse engineering
Point cloud
X
XI
Índice de Matérias
1. Introdução ............................................................................................................................. 1
1.1. Contexto e Motivação ............................................................................................................. 1
1.2. Objectivos ................................................................................................................................ 2
1.3. Estrutura da Dissertação ......................................................................................................... 2
2. Engenharia Inversa ................................................................................................................ 5
2.1. Introdução ............................................................................................................................... 5
2.2. Engenharia Inversa ao Longo dos Tempos .............................................................................. 7
2.3. Usos Potenciais da Engenharia Inversa ................................................................................. 11
2.4. Conceitos e Definições da Engenharia Inversa Geométrica .................................................. 12
2.5. Fases da Engenharia Inversa Geométrica ............................................................................. 16
2.5.1. Aquisição de Dados ....................................................................................................... 17
2.5.1.1. Métodos Sem Contacto ......................................................................................... 18
2.5.1.1.1. Métodos Ópticos ................................................................................................ 19
2.5.1.1.1.1. Iluminação Estruturada ............................................................................... 20
2.5.1.1.1.2. Triangulação ................................................................................................ 21
2.5.1.1.1.3. Tempo de Voo ............................................................................................. 24
2.5.1.1.1.4. Interferometria de Moiré ............................................................................ 26
2.5.1.1.1.5. Structure from Focus ................................................................................... 29
2.5.1.1.1.6. Structure from Defocus ............................................................................... 29
2.5.1.1.1.7. Structure from Texture ................................................................................ 30
2.5.1.1.1.8. Structure from Shading ............................................................................... 33
2.5.1.1.2. Métodos Acústicos ............................................................................................. 34
2.5.1.1.2.1. Sonar ........................................................................................................... 34
2.5.1.1.2.2. Ultrassonografia (2D, 3D e 4D) .................................................................... 35
2.5.1.1.3. Métodos Magnéticos ......................................................................................... 36
2.5.1.1.3.1. Ressonância Magnética ............................................................................... 36
2.5.1.1.3.2. Tomografia Computorizada ........................................................................ 37
2.5.1.2. Métodos Com Contacto ........................................................................................ 38
2.5.1.3. Métodos Destrutivos ............................................................................................. 39
2.5.2. Pré-processamento ....................................................................................................... 40
2.5.3. Segmentação ................................................................................................................. 44
3. Structure from Motion ........................................................................................................ 47
XII
3.1. Introdução ............................................................................................................................. 47
3.2. Origens do Método ............................................................................................................... 48
3.3. Modelo de Projecção de Perspectiva .................................................................................... 48
3.4. Distorção Radial ..................................................................................................................... 52
3.5. Correspondência ................................................................................................................... 53
3.6. Geometria em Duas Imagens ................................................................................................ 54
3.7. Triangulação .......................................................................................................................... 56
3.8. Múltiplas Vistas ..................................................................................................................... 58
3.9. Bundle Adjustment ................................................................................................................ 59
4. Procedimento de Utilização dos Programas Computacionais de Reconstrução de Modelos 3D
Utilizados ..................................................................................................................................... 61
4.1. Introdução ............................................................................................................................. 61
4.2. Agisoft PhotoScan ................................................................................................................. 62
4.2.1. Procedimento de Utilização .......................................................................................... 63
4.3. Regard3D ............................................................................................................................... 70
4.3.1. Procedimento de Utilização .......................................................................................... 71
5. Trabalho Experimental ........................................................................................................ 81
5.1. Introdução ............................................................................................................................. 81
5.2. Peças ...................................................................................................................................... 81
5.3. Resultados Obtidos Pelo Agisoft PhotoScan ......................................................................... 83
5.3.1. PhotoScan Teste 1 – Variação do Número de Pontos-chave ........................................ 84
5.3.2. PhotoScan Teste 2 – Variação do Número de Pontos-nó ............................................. 89
5.3.3. PhotoScan Teste 3 – Variação da Precisão do Alinhamento ......................................... 91
5.3.4. PhotoScan Teste 4 – Variação da Precisão da Construção da Nuvem Densa ............... 94
5.3.5. PhotoScan Teste 5 – Variação da Filtragem de Profundidade ...................................... 96
5.4. Resultados Obtidos Pelo Regard3D ....................................................................................... 98
5.4.1. Correspondências ........................................................................................................ 100
5.4.1.1. Teste 1 – Variação do Rácio de Correspondência dos Pontos-Chave ................. 101
5.4.1.2. Teste 2 – Variação da Sensibilidade dos Pontos-Chave ...................................... 103
5.4.2. Triangulações............................................................................................................... 105
5.4.2.1. Teste 1 – Ausência de Aperfeiçoamento dos Parâmetros Intrínsecos no Método
Incremental 105
5.4.2.2. Teste 2 – Ausência de Aperfeiçoamento dos Parâmetros Intrínsecos no Método
Global 106
XIII
5.4.2.3. Teste 3 – Método Incremental e Método Global, Ambos com Aperfeiçoamento
107
5.4.3. Densificações ............................................................................................................... 108
5.4.3.1. Teste 1 – Ausência da Opção Visibilidade ........................................................... 108
5.4.3.2. Teste 2 – Método CMVS/PMVS e Método MVE .................................................. 109
5.4.3.3. Teste 3 – Alteração do Parâmetro Images per Cluster ........................................ 110
5.4.3.4. Teste 4 – Alteração do Parâmetro Tamanho de Célula ....................................... 111
5.4.3.5. Teste 5 – Alteração do Parâmetro Threshold ...................................................... 112
5.4.3.6. Teste 6 – Alteração do Parâmetro wsize ............................................................. 113
5.4.3.7. Teste 7 – Alteração do Parâmetro Número Mínimo de Imagens ........................ 114
5.4.3.8. Teste 8 – Alteração do Parâmetro Largura de Filtro ........................................... 115
5.4.4. Superfícies ................................................................................................................... 116
5.4.4.1. Teste 1 – Alteração do Parâmetro Samples per Node ......................................... 116
5.4.4.2. Teste 2 – Alteração do Parâmetro Point Weight ................................................. 117
5.4.4.3. Teste 3 – Alteração do Parâmetro Trim Threshold .............................................. 118
5.4.4.4. Teste 4 – Alteração do Parâmetro Confidence Threshold ................................... 119
5.4.4.5. Teste 5 – Alteração do Parâmetro Minimum Component Size ........................... 121
6. Análise de Resultados ........................................................................................................ 123
6.1. Resultados do Agisoft PhotoScan ........................................................................................ 124
6.1.1. Análise dos Resultados dos Testes .............................................................................. 125
6.2. Resultados do Regard3D ..................................................................................................... 132
6.2.1. Análise dos Resultados da Fase de Correspondência ................................................. 133
6.2.2. Análise dos Resultados da Fase de Triangulação ........................................................ 136
6.2.3. Análise dos Resultados da Fase de Densificação ......................................................... 139
6.2.4. Análise dos Resultados da Criação de Superfície ........................................................ 144
6.3. Construção dos Modelos das Peças B, C e D ....................................................................... 149
6.3.1. Peça B .......................................................................................................................... 151
6.3.2. Peça C .......................................................................................................................... 153
6.3.3. Peça D .......................................................................................................................... 155
7. Conclusões ......................................................................................................................... 157
7.1. Conclusões Gerais ............................................................................................................... 157
7.2. Futuros Trabalhos ................................................................................................................ 159
Bibliografia................................................................................................................................. 161
Anexos ....................................................................................................................................... 165
XIV
XV
Índice de Figuras
Figura 2.1 - Grande Pirâmide de Khufu (fotografia de Pichugin Dmitry) ...................................... 7
Figura 2.2 – Compartimentos de Alívio da Pirâmide (imagem retirada a partir da 3D Experience da
Dassault Systemes) ........................................................................................................................ 8
Figura 2.3 – Basílica de São Pedro (fotografia de italia.it)............................................................. 9
Figura 2.4 – (a) Avião Americano B-29 Superfortress (fotografia de aviation-history.com); ...... 10
Figura 2.5 - Nuvem de Pontos ..................................................................................................... 12
Figura 2.6 - Malha Poligonal ........................................................................................................ 13
Figura 2.7 - Malha antes do Processo de Remoção de Ruído ..................................................... 14
Figura 2.8 – A Mesma Superfície com Três Resoluções Diferentes ........................................... 15
Figura 2.9 - Precisão e Exactidão ................................................................................................. 15
Figura 2.10 – Fases do Processo da Engenharia Inversa Geométrica [2] .................................... 16
Figura 2.11 - Etapas da Engenharia Inversa Geométrica(Verde – Aquisição de Dados; Azul – Pré-
processamento; Amarelo – Segmentação e Montagem de Superfícies; Preto – Criação de Modelo 3D)
..................................................................................................................................................... 17
Figura 2.12 – Métodos de Aquisição de Dados ........................................................................... 18
Figura 2.13 - Métodos de Aquisição de Dados Sem Contacto .................................................... 18
Figura 2.14 - Métodos Ópticos de Aquisição de Dados ............................................................... 19
Figura 2.15 - Método da Iluminação Estruturada ....................................................................... 20
Figura 2.16 - Diferentes Padrões de Luz dos Sistemas de Iluminação Estruturada (adaptado de [10])
..................................................................................................................................................... 21
Figura 2.17 - Método da Triangulação com uma Câmara (adaptado de [10]) ............................ 22
Figura 2.18 - Método de Triangulação com Dupla Câmara (adaptado de [10]) ......................... 23
Figura 2.19 - Arquitectura "Interline Transfer" das Câmaras CCD (adaptado de [13]) ............... 24
Figura 2.20 - Princípio dos Scanners de Tempo de Voo (adaptado de [10]) ............................... 25
Figura 2.21 – Diagrama Sistemático para Interferometria de Moiré com Quatro Feixes (adaptado de
[14]) ............................................................................................................................................. 26
Figura 2.22 - Franjas de Moiré .................................................................................................... 27
Figura 2.23 - Grelha Virtual através de Difracção e de Interferência (adaptado de [14]) .......... 28
Figura 2.24 – Formação de Imagem e Profundidade no método Structure from Defocus [17] . 30
Figura 2.25 – Structure from Texture: Representação 3D do Sistema da Câmara com o Plano
Inclinado; a vista 𝑦𝑧 (b); a vista 𝑥𝑧 (c) (adaptado de [12]) .......................................................... 31
Figura 2.26 - Imagem Capturada pela Câmara da Figura 2.25 (retirado de [12]) ....................... 32
Figura 2.27 - Sonar ...................................................................................................................... 34
Figura 2.28 – Imagem de uma Ultrassonografia a 3D/4D (fotografia de babyinsight3d.com) ... 35
XVI
Figura 2.29 – Imagem de uma Ressonância Magnética 3D (imagem de gehealthcare.com) ..... 36
Figura 2.30 – Imagem de uma Tomografia Computorizada (imagem de maxillofacial.com) ..... 37
Figura 2.31 – Métodos Com Contacto ......................................................................................... 39
Figura 2.32 – Procedimento do Método Destrutivo (adaptado de[10]) ..................................... 40
Figura 2.33 - Interpolação Baseada nos Pixeis Vizinhos (adaptado de [19]) .............................. 42
Figura 2.34 – Imagem Cinzenta Original e as Imagens Binárias resultantes Usando Diferentes Valores
Limiares (retirado de [12]) .......................................................................................................... 46
Figura 3.1 - Modelo de Projecção (adaptado de [24]) ................................................................ 49
Figura 3.2 – Semelhança de Triângulos ....................................................................................... 51
Figura 3.3 - Modelo de Projecção com Duas Imagens (adaptado de [24]) ................................. 54
Figura 3.4 – Modelo da Triangulação (imagem adaptada de [24]) ............................................. 57
Figura 3.5 - Método Sequencial (imagem adaptada de [24]) ..................................................... 58
Figura 4.1 – Diagrama de Processos do PhotoScan .................................................................... 62
Figura 4.2 – PhotoScan: Fluxo de Trabalho e Selecção de Fotografias ....................................... 63
Figura 4.3 – PhotoScan: Estado das Fotografias na Árvore de Projecto ..................................... 63
Figura 4.4 – PhotoScan: Marcadores do Programa ..................................................................... 64
Figura 4.5 – PhotoScan: Identificação de Marcadores numa Fotografia de um Provete de Tracção
Metálico, com uma Espessura de 2.46 mm ................................................................................ 65
Figura 4.6 – PhotoScan: Ferramentas Para a Selecção da Máscara ............................................ 65
Figura 4.7 – PhotoScan: Parâmetros do Alinhamento ................................................................ 66
Figura 4.8 – PhotoScan: Nuvem de Pontos Obtida e a Posição das Fotografias ......................... 67
Figura 4.9 – PhotoScan: Parâmetros de Construção da Nuvem de Pontos Densa ..................... 68
Figura 4.10 – PhotoScan: Parâmetros de Construção do Modelo .............................................. 69
Figura 4.11 – PhotoScan: Modelo Tridimensional Obtido com a Configuração Máx/4000 e Precisões
Médias para Todas as Etapas, e já Transformada em Sólido ...................................................... 69
Figura 4.12 - Diagrama de Processos do Regard3D (www.regard3d.org)................................... 70
Figura 4.13 – Regard3D: Selecção de Fotografias do Projecto ................................................... 71
Figura 4.14 – Regard3D: Parâmetros das Correspondências ...................................................... 72
Figura 4.15 - Regard3D: Resultados das Correspondências ........................................................ 72
Figura 4.16 - Regard3D: Keypoints Detectados numa Imagem .................................................. 73
Figura 4.17 - Regard3D: Correspondências Identificadas entre duas Imagens........................... 73
Figura 4.18 - Regard3D: Parâmetros de Triangulação................................................................. 74
Figura 4.19 – Regard3D: Resultados da Triangulação ................................................................. 75
Figura 4.20 - Regard3D: Triangularização dos Pontos da Superfície e das Posições da Câmara 75
Figura 4.21 – Regard3D: Parâmetros da Densificação ................................................................ 76
XVII
Figura 4.22 - Regard3D: Resultado da Densificação .................................................................... 78
Figura 4.23 – Regard3D: Parâmetros de Geração de Superfície ................................................. 79
Figura 4.24 – Regard3D: Resultado da Superfície Final ............................................................... 80
Figura 5.1 - Identificação das Dimensões a Medir na Peça A ...................................................... 84
Figura 5.2 – PhotoScan: Visão Geral do Procedimento do Teste 1 ............................................. 85
Figura 5.3 – Dois Pontos Contidos num Campo de Visão ........................................................... 86
Figura 5.4 - Dez Medições da Cota N num Modelo ..................................................................... 87
Figura 5.5 - PhotoScan: Teste 2 .................................................................................................. 90
Figura 5.6 – PhotoScan: Teste 3 .................................................................................................. 91
Figura 5.7 – PhotoScan: Teste 4 .................................................................................................. 94
Figura 5.8 – PhotoScan: Teste 5 .................................................................................................. 96
Figura 5.9 – Faces da Peça A nas Fotografias Utilizadas no Regard3D........................................ 98
Figura 5.10 – Ruído num Modelo Obtido pelo Regard3D ........................................................... 99
Figura 5.11 – Ruído nos Contornos da Superfície do Modelo Obtido pelo Regard3D ................ 99
Figura 5.12 – Correspondência Teste 1 ..................................................................................... 101
Figura 5.13 – Correspondência Teste 2 ..................................................................................... 103
Figura 5.14 – Triangulação Teste 1 ............................................................................................ 105
Figura 5.15 – Triangulação Teste 2 ............................................................................................ 106
Figura 5.16 – Triangulação Teste 3 ............................................................................................ 107
Figura 5.17 – Densificação Teste 1 ............................................................................................ 108
Figura 5.18 – Densificação Teste 2 ............................................................................................ 109
Figura 5.19 – Densificação Teste 3 ............................................................................................ 110
Figura 5.20 – Densificação Teste 4 ............................................................................................ 111
Figura 5.21 – Densificação Teste 5 ............................................................................................ 112
Figura 5.22 – Densificação Teste 6 ............................................................................................ 113
Figura 5.23 – Densificação Teste 7 ............................................................................................ 114
Figura 5.24 – Densificação Teste 8 ............................................................................................ 115
Figura 5.25 – Superfície Teste 1 ................................................................................................ 116
Figura 5.26 – Superfície Teste 2 ................................................................................................ 117
Figura 5.27 – Superfície Teste 3 ................................................................................................ 118
Figura 5.28 – Superfície Teste 4 ................................................................................................ 120
Figura 5.29 – Superfície Teste 5 ................................................................................................ 121
Figura 6.1 – PhotoScan: Número Médio de Pontos .................................................................. 125
Figura 6.2 – PhotoScan: Tempo de Execução do Alinhamento ................................................. 126
XVIII
Figura 6.3 – PhotoScan: Faces da Base do Modelo ................................................................... 127
Figura 6.4 – PhotoScan: Faces da Base do Modelo Reconstruída ............................................. 129
Figura 6.5 – Número de Pontos da Fase de Correspondência da Peça A para os Diferentes Parâmetros
de Sensibilidade e Rácio de Correspondência dos Pontos-Chave ............................................. 133
Figura 6.6 – Tempo de Execução das Correspondências da Peça A para os Diferentes Parâmetros de
Sensibilidade e Rácio de Correspondência dos Pontos-Chave .................................................. 134
Figura 6.7 – Regard3D: Modelo com Faces Bastantes Rugosas ................................................ 138
Figura 6.8 – Regard3D: Tempo de Execução da Triangulação .................................................. 138
Figura 6.9 – Os Três Modelos Obtidos com Diferentes Valores de Trim Threshold (da esquerda para a
direita: 1, 5 e 9 respectivamente) ............................................................................................. 146
Figura 6.10 – Regard3D: Modelo com Ruído ............................................................................ 147
Figura 6.11 – Regard3D: Modelo Fragmentado ........................................................................ 147
Figura 6.12 – Regard3D: Modelo com Ruído Aglomerado em Forma Cilíndrica ...................... 149
Figura 6.13 – PhotoScan: Parâmetros utilizados na Construção dos Modelos ......................... 150
Figura 6.14 – Peça B: a) Peça Real; b) Modelo Obtido pelo PhotoScan e Já Convertido em Sólido; c)
Modelo de Cada Metade da Obtido pelo Regard3D) ................................................................ 151
Figura 6.15 – Cotas da Peça B Seleccionadas para a Análise da Exactidão ............................... 152
Figura 6.16 – Peça C: Peça Real e o Modelo Obtido pelo PhotoScan ....................................... 153
Figura 6.17 – Cotas da Peça C Seleccionadas para a Análise da Exactidão ............................... 154
Figura 6.18 – Peça C: Arestas Fragmentadas ............................................................................ 155
Figura 6.19 – Peça D: A Peça Real, o Modelo Obtido pelo PhotoScan e o Modelo Obtido pelo
Regard3D (esq-dir) .................................................................................................................... 155
Figura 6.20 – Cotas da Peça D Seleccionadas para a Análise da Exactidão ............................... 156
XIX
Índice de Tabelas
Tabela 2.1 - Motivações que Levaram ao Emprego da Engenharia Inversa (adaptado de [3]) .... 6
Tabela 2.2 - Usos Potenciais da Engenharia Inversa (adaptado de [3]) ...................................... 11
Tabela 4.1 – Regard3D: Parâmetros do Método de Densificação CMVS/PMVS ......................... 77
Tabela 5.1 - Designação das Peças Seleccionadas ...................................................................... 82
Tabela 5.2 – PhotoScan Teste 1: Valores Medidos da Cota N ..................................................... 87
Tabela 5.3 - PhotoScan Teste 1: Valores do Factor de Escala ..................................................... 87
Tabela 5.4 – PhotoScan Teste 1: Volume e Área dos Modelos Após Aplicação do Factor de Escala
..................................................................................................................................................... 88
Tabela 5.5 – PhotoScan Teste 1: Medições das Cotas do Modelo 40 000/4000 ........................ 88
Tabela 5.6 – PhotoScan Teste 1: Medições das Cotas do Modelo 100 000/4000 ...................... 89
Tabela 5.7 – PhotoScan Teste 1: Medições das Cotas do Modelo Máximo/4000 ...................... 89
Tabela 5.8 - PhotoScan Teste 2: Valores Medidos da Cota N ..................................................... 90
Tabela 5.9 - PhotoScan Teste 2: Valor do Factor de Escala ......................................................... 90
Tabela 5.10 – PhotoScan Teste 2: Volume e Área dos Modelos Após Aplicação do Factor de Escala
..................................................................................................................................................... 90
Tabela 5.11 – PhotoScan Teste 2: Medições das Cotas do Modelo 40 000/1000 ...................... 91
Tabela 5.12 – PhotoScan Teste 3: Valores Medidos da Cota N ................................................... 92
Tabela 5.13 – PhotoScan Teste 3: Valores do Factor de Escala .................................................. 92
Tabela 5.14 – PhotoScan Teste 3: Volume e Área dos Modelos Após Aplicação do Factor de Escala
..................................................................................................................................................... 92
Tabela 5.15 – PhotoScan Teste 3: Medições das Cotas do Modelo Com Precisão Elevada........ 93
Tabela 5.16 – PhotoScan Teste 3: Medições das Cotas do Modelo Com Precisão Muito Elevada93
Tabela 5.17 – PhotoScan Teste 4: Valores Medidos da Cota N ................................................... 94
Tabela 5.18 – PhotoScan Teste 4: Valores do Factor de Escala .................................................. 95
Tabela 5.19 – PhotoScan Teste 4: Volume e Área dos Modelos Após Aplicação do Factor de Escala
..................................................................................................................................................... 95
Tabela 5.20 – PhotoScan Teste 4: Medições das Cotas do Modelo Com Precisão de Densificação Baixa
..................................................................................................................................................... 95
Tabela 5.21 – PhotoScan Teste 4: Medições das Cotas do Modelo Com Precisão de Densificação
Elevada ........................................................................................................................................ 96
Tabela 5.22 - PhotoScan Teste 5: Valores Medidos da Cota N ................................................... 97
Tabela 5.23 – PhotoScan Teste 5: Valor do Factor de Escala ...................................................... 97
Tabela 5.24 – PhotoScan Teste 5: Volume e Área dos Modelos Após Aplicação do Factor de Escala
..................................................................................................................................................... 97
XX
Tabela 5.25 – PhotoScan Teste 5: Medições das Cotas do Modelo Com Precisão Densificação Mild
..................................................................................................................................................... 97
Tabela 5.26 – Peça A: Resultados das Correspondências pelo Regard3D ................................. 100
Tabela 5.27 – Correspondência Teste 1: Valores Medidos da Cota L ....................................... 101
Tabela 5.28 – Correspondência Teste 1: Valores do Factor de Escala ...................................... 101
Tabela 5.29 – Correspondência Teste 1: Medições das Cotas do Modelo 0.001/0.6 ............... 102
Tabela 5.30 – Correspondência Teste 1: Medições das Cotas do Modelo 0.001/0.7 ............... 102
Tabela 5.31 – Correspondência Teste 1: Medições das Cotas do Modelo 0.001/0.8 ............... 102
Tabela 5.32 – Correspondência Teste 1: Medições das Cotas do Modelo 0.001/0.9 ............... 103
Tabela 5.33 – Correspondência Teste 2: Valores Medidos da Cota L ....................................... 103
Tabela 5.34 – Correspondência Teste 2: Valores do Factor de Escala ...................................... 104
Tabela 5.35 – Correspondência Teste 2: Medições das Cotas do Modelo 0.0007/0.6 ............. 104
Tabela 5.36 – Correspondência Teste 2: Medições das Cotas do Modelo 0.0005/0.6 ............. 104
Tabela 5.37 – Correspondência Teste 2: Medições das Cotas do Modelo 0.0001/0.6 ............. 104
Tabela 5.38 – Triangulação Teste 1: Valores Medidos da Cota L .............................................. 105
Tabela 5.39 – Triangulação Teste 1: Valores do Factor de Escala ............................................. 105
Tabela 5.40 – Triangulação Teste 1: Medições das Cotas do Modelo Aperfeiçoamento Off ... 106
Tabela 5.41 – Triangulação Teste 2: Valores Medidos da Cota L .............................................. 106
Tabela 5.42 – Triangulação Teste 2: Valores do Factor de Escala ............................................. 106
Tabela 5.43 – Triangulação Teste 2: Medições das Cotas do Modelo Aperfeiçoamento On ... 107
Tabela 5.44 – Triangulação Teste 2: Medições das Cotas do Modelo Aperfeiçoamento Off ... 107
Tabela 5.45 – Densificação Teste 1: Valores Medidos da Cota L .............................................. 108
Tabela 5.46 – Densificação Teste 1: Valores do Factor de Escala ............................................. 109
Tabela 5.47 – Densificação Teste 1: Medições das Cotas do Modelo Visibilidade Off ............. 109
Tabela 5.48 – Densificação Teste 2: Valores Medidos da Cota L .............................................. 109
Tabela 5.49 – Densificação Teste 2: Valores do Factor de Escala ............................................. 110
Tabela 5.50 – Densificação Teste 2: Medições das Cotas do Modelo MVE .............................. 110
Tabela 5.51 – Densificação Teste 3: Valores Medidos da Cota L .............................................. 110
Tabela 5.52 – Densificação Teste 3: Valores do Factor de Escala ............................................. 110
Tabela 5.53 – Densificação Teste 3: Medições das Cotas do Modelo Images per Cluster 500 . 111
Tabela 5.54 – Densificação Teste 4: Valores Medidos da Cota L .............................................. 111
Tabela 5.55 – Densificação Teste 4: Valores do Factor de Escala ............................................. 111
Tabela 5.56 – Densificação Teste 4: Medições das Cotas do Modelo Tamanho de Célula 5 .... 112
Tabela 5.57 – Densificação Teste 5: Valores Medidos da Cota L .............................................. 112
XXI
Tabela 5.58 – Densificação Teste 5: Valores do Factor de Escala ............................................. 112
Tabela 5.59 – Densificação Teste 5: Medições das Cotas do Modelo Threshold 9 ................... 113
Tabela 5.60 – Densificação Teste 6: Valores Medidos da Cota L .............................................. 113
Tabela 5.61 – Densificação Teste 6: Valores do Factor de Escala ............................................. 113
Tabela 5.62 – Densificação Teste 6: Medições das Cotas do Modelo wsize 16 ........................ 114
Tabela 5.63 – Densificação Teste 7: Valores Medidos da Cota L .............................................. 114
Tabela 5.64 – Densificação Teste 7: Valores do Factor de Escala ............................................. 114
Tabela 5.65 – Densificação Teste 7: Medições das Cotas do Modelo Número Mínimo de Imagens 3
................................................................................................................................................... 115
Tabela 5.66 – Densificação Teste 8: Valores Medidos da Cota L .............................................. 115
Tabela 5.67 – Densificação Teste 8: Valores do Factor de Escala ............................................. 115
Tabela 5.68 – Densificação Teste 8: Medições das Cotas do Modelo Largura de Filtro 9 ........ 116
Tabela 5.69 – Superfície Teste 1: Valores Medidos da Cota L ................................................... 117
Tabela 5.70 – Superfície Teste 1: Valores do Factor de Escala ................................................. 117
Tabela 5.71 – Superfície Teste 1: Medições das Cotas do Modelo Samples per Node 13 ........ 117
Tabela 5.72 – Superfície Teste 2: Valores Medidos da Cota L ................................................... 118
Tabela 5.73 – Superfície Teste 2: Valores do Factor de Escala ................................................. 118
Tabela 5.74 – Superfície Teste 2: Medições das Cotas do Modelo Point Weight 8 .................. 118
Tabela 5.75 – Superfície Teste 3: Valores Medidos da Cota L ................................................... 119
Tabela 5.76 – Superfície Teste 3: Valores do Factor de Escala ................................................. 119
Tabela 5.77 – Superfície Teste 3: Medições das Cotas do Modelo Trim Threshold 1 ............... 119
Tabela 5.78 – Superfície Teste 3: Medições das Cotas do Modelo Trim Threshold 9 ............... 119
Tabela 5.79 – Superfície Teste 4: Valores Medidos da Cota L ................................................... 120
Tabela 5.80 – Superfície Teste 4: Valores do Factor de Escala ................................................. 120
Tabela 5.81 – Superfície Teste 4: Medições das Cotas do Modelo Confidence Threshold 10 .. 120
Tabela 5.82 – Superfície Teste 5: Valores Medidos da Cota L ................................................... 121
Tabela 5.83 – Superfície Teste 5: Valores do Factor de Escala ................................................. 121
Tabela 5.84 – Superfície Teste 5: Medições das Cotas do Modelo Minimum Component Size 4068
................................................................................................................................................... 121
Tabela 6.1 – PhotoScan: Diferenças entre os Valores dos Modelos do Teste 1 e a Peça Real . 127
Tabela 6.2 – PhotoScan: Diferenças entre os Valores dos Modelos do Teste 2 e a Peça Real . 128
Tabela 6.3 – PhotoScan: Diferenças entre os Valores dos Modelos do Teste 3e a Peça Real .. 129
Tabela 6.4 – PhotoScan: Diferenças entre os Valores dos Modelos do Teste 4 e a Peça Real . 130
Tabela 6.5 – PhotoScan: Diferenças entre os Valores dos Modelos do Teste 5 e a Peça Real . 131
XXII
Tabela 6.6 – Regard3D Correspondências: Diferenças entre os Valores dos Modelos do Teste 1 e a
Peça Real ................................................................................................................................... 135
Tabela 6.7 – Regard3D Correspondências: Diferenças entre os Valores dos Modelos do Teste 2 e a
Peça Real ................................................................................................................................... 136
Tabela 6.8 – Regard3D Triangulação: Diferenças entre os Valores dos Modelos do Teste 1 e a Peça
Real ............................................................................................................................................ 136
Tabela 6.9 – Regard3D Triangulação: Diferenças entre os Valores dos Modelos do Teste 2 e a Peça
Real ............................................................................................................................................ 137
Tabela 6.10 – Regard3D Densificação: Diferenças entre os Valores dos Modelos do Teste 1 e a Peça
Real ............................................................................................................................................ 139
Tabela 6.11 – Regard3D Densificação: Diferenças entre os Valores dos Modelos do Teste 2 e a Peça
Real ............................................................................................................................................ 140
Tabela 6.12 – Regard3D Densificação: Diferenças entre os Valores dos Modelos do Teste 3 e a Peça
Real ............................................................................................................................................ 140
Tabela 6.13 – Regard3D Densificação: Diferenças entre os Valores dos Modelos do Teste 4 e a Peça
Real ............................................................................................................................................ 141
Tabela 6.14 – Regard3D Densificação: Diferenças entre os Valores dos Modelos do Teste 5 e a Peça
Real ............................................................................................................................................ 142
Tabela 6.15 – Regard3D Densificação: Diferenças entre os Valores dos Modelos do Teste 6 e a Peça
Real ............................................................................................................................................ 142
Tabela 6.16 – Regard3D Densificação: Diferenças entre os Valores dos Modelos do Teste 7 e a Peça
Real ............................................................................................................................................ 143
Tabela 6.17 – Regard3D Densificação: Diferenças entre os Valores dos Modelos do Teste 8 e a Peça
Real ............................................................................................................................................ 144
Tabela 6.18 – Regard3D Superfície: Diferenças entre os Valores dos Modelos do Teste 1 e a Peça Real
................................................................................................................................................... 144
Tabela 6.19 – Regard3D Superfície: Diferenças entre os Valores dos Modelos do Teste 2 e a Peça Real
................................................................................................................................................... 145
Tabela 6.20 – Regard3D Superfície: Diferenças entre os Valores dos Modelos do Teste 3 e a Peça Real
................................................................................................................................................... 146
Tabela 6.21 – Regard3D Superfície: Diferenças entre os Valores dos Modelos do Teste 4 e a Peça Real
................................................................................................................................................... 148
Tabela 6.22 – Regard3D Superfície: Diferenças entre os Valores dos Modelos do Teste 5 e a Peça Real
................................................................................................................................................... 148
Tabela 6.23 – Regard3D: Parâmetros Utilizados na Construção dos Modelos ......................... 150
Tabela 6.24 – Peça B: Diferenças entre os Valores dos 2 Modelos e a Peça Real .................... 153
Tabela 6.25 – Peça C: Diferenças entre os Valores do Modelo e a Peça Real ........................... 154
Tabela 6.26 – Peça D: Diferenças entre os Valores dos 2 Modelos e a Peça Real .................... 156
XXIII
Tabela 9.1 – Peça A: Resultados das Correspondências (40 000/1000) ................................... 165
Tabela 9.2 - Peça A: Resultados das Correspondências (100 000/1000) .................................. 165
Tabela 9.3 - Peça A: Resultados das Correspondências (Máximo/1000) .................................. 166
Tabela 9.4 - Peça A: Resultados das Correspondências (40 000/4000) .................................... 166
Tabela 9.5 - Resultados das Correspondências (100 000/4000) ............................................... 166
Tabela 9.6 - Resultados das Correspondências (Máximo/4000) ............................................... 167
Tabela 9.7 - Características do Equipamento Utilizado ............................................................. 167
Tabela 9.8 – Peça A: Tempos de Correspondências e Alinhamento ......................................... 167
XXIV
XXV
Simbologia
𝐵1,𝐵2, 𝐵3, 𝐵4 Feixes de luz usados na medição do deslocamento planar
𝐵[𝑖,𝑗] Imagem binária
𝑐 Velocidade da luz
𝐷 Distância entre o scanner e o ponto da superfície
𝑑𝑖 Distância da imagem
𝐸 Matriz essencial
𝐸(𝑥,𝑦) Radiância na imagem
𝐹 Matriz fundamental
𝐹𝐹 Frequência das franjas
𝐹𝑇[𝑖,𝑗] Imagem cinzenta limiar
𝑓 Distância focal
𝑓𝑔 Frequência da grelha virtual
𝑓𝑠 Frequência da grelha da superfície
𝐼𝑓 Imagem focada
𝐾 Matriz de calibração da câmara
𝑘1, 𝑘2 Coeficiente da distorção radial
𝐿(𝑟) Função de distorção
𝐿 Distância fixa entre a fonte de luz e a câmara
𝑁𝑥 Franja perpendicular ao eixo X
𝑁𝑦 Franja perpendicular ao eixo Y
𝑃 Matriz de projecção
𝑅 Matriz correspondente à orientação da câmara
𝑠 Distância do disco ao centro da câmara
𝑇 Vector tridimensional associado à posição do ponto de origem
𝑇𝐿 Valor limiar
𝑡 Tempo total de viagem
𝑉 Valor médio medido
�̅� Valor verdadeiro
𝜆 Comprimento de onda
XXVI
1
1. Introdução
1.1. Contexto e Motivação
Seja de forma intuitiva ou conscientemente, o processo de recolha de informação é uma necessidade
humana. Em engenharia, por vezes surge o dilema da falta de documentação acerca de parte de um
mecanismo ou o seu todo, tornando impossível a compreensão dos dados em falta. A engenharia
inversa surge como a solução mais forte e adequada, realizando o processo em sentido inverso,
partindo do componente final até à fase de projecto inicial.
Apesar de este processo ser aplicado desde há muito tempo, nas últimas décadas têm surgido vários
métodos que facilitam e integram a engenharia inversa em diversas áreas de estudo. Em especial na
reconstrução tridimensional de peças reais acabadas, onde os métodos foram evoluindo com a ajuda
das novas tecnologias, acabando por se tornar uma alternativa concreta aos ditos métodos
convencionais.
Como na engenharia a procura pela melhor solução é imperativa, a engenharia inversa pode
acrescentar novas ideias e metodologias à concepção do projecto mecânico, em particular, na área
da engenharia mecânica.
2
1.2. Objectivos
O estudo presente neste trabalho pretende averiguar se, com recurso apenas a um simples
equipamento fotográfico, é possível aplicar um processo de engenharia inversa a peças finais, de
forma a obter-se modelos tridimensionais realistas que possam ser alvo de estudo. Recorrendo a
dois programas, o Agisoft PhotoScan e o Regard3D, na versão de teste e licença gratuita
respectivamente, são analisadas quatro peças com diferentes geometrias.
Visto que estes programas computacionais não foram construídos com o intuito de servirem como
uma ferramenta de engenharia mecânica, é necessário testar os diferentes parâmetros de
funcionamento, em busca de uma configuração que permita entender as implicações que se
produzem no modelo final. Existem outros métodos utilizados com este propósito de conversão de
uma peça num modelo CAD, como mencionados no capítulo seguinte, no entanto é necessário um
investimento considerável em equipamento técnico. Pelo método Structure from Motion no qual se
baseiam os programas referidos, é de extrema importância conhecer as limitações e desafios que
possam surgir ao longo das várias fases do processo de obtenção do modelo tridimensional, para que
o mesmo seja o mais eficiente possível.
1.3. Estrutura da Dissertação
A divisão deste trabalho está organizada em sete capítulos principais:
Capítulo 1 – Introdução
Capítulo actual onde é feita uma pequena introdução ao trabalho e o seu intuito.
Capítulo 2 – Engenharia Inversa
Definição do conceito de Engenharia Inversa, registos da sua aplicação ao longo da história da
Humanidade e as suas aplicações. Conceitos e definições dos termos mais recorrentes, como nuvem
de pontos, malha e ruído. Apresentação das várias fases da engenharia inversa: a aquisição de dados,
onde é feita a introdução e explicação dos métodos – com e sem contacto – disponíveis actualmente
para a recolha de informação; o pré-processamento; e a segmentação.
3
Capítulo 3 – Structure from Motion
Explicação de todas as etapas do método Structure from Motion, onde é feita a descrição dos
processos realizados em cada etapa, apoiado na teoria matemática em que se baseiam.
Capítulo 4 – Programas Computacionais de Reconstrução de Modelos 3D Utilizados
Apresentação dos programas computacionais Agisoft PhotoScan e Regard3D, com o procedimento
de utilização para a obtenção dos modelos 3D do estudo.
Capítulo 5 – Trabalho Experimental
Metodologia adoptada para a recolha dos dados, testes de modelos com diferentes valores de
parâmetros funcionais e registo das medições efectuadas em cada modelo.
Capítulo 6 – Análise de Resultados
Análise aos resultados dos testes anteriores, com a comparação dos dados obtidos com os valores
das cotas medidas com o paquímetro.
Capítulo 7 - Conclusões
Conclusões finais acerca da viabilidade do método Structure from Motion na modelação de
componentes mecânicos e considerações relevantes, e possíveis trabalhos futuros.
4
5
2. Engenharia Inversa
2.1. Introdução
O desenvolvimento de um produto tem por base várias etapas, que vão desde a sua idealização até à
forma física final. Normalmente, é esta última etapa que encerra o ciclo de desenvolvimento antes
da comercialização, mas a qual serve de início ao processo de extrair informação de produtos finais,
i.e., engenharia inversa [1].
Varady, Martin e Cox [2] distinguiram a engenharia convencional da inversa, como sendo a
convencional a engenharia que transforma conceitos e modelos de engenharia em peças reais,
enquanto a engenharia inversa transforma peças reais em modelos e conceitos de engenharia. De
forma mais abrangente, a engenharia inversa é o processo de descoberta dos princípios
fundamentais que sustentam e habilitam um objecto, aparelho, produto, substância, montagem ou
sistema, através de uma análise sistemática da sua estrutura, função ou operação [3].
De um ponto de vista mais simples, a engenharia inversa está presente em processos comuns, e.g., o
processo de desmontar um equipamento para perceber o seu funcionamento. A aplicação da
engenharia inversa permite obter informação que se encontra desconhecida, podendo a mesma ser
de grande relevância.
6
A engenharia inversa possui várias aplicações motivadas por diferentes razões, e nem sempre as mais
éticas. No entanto a sua aplicação pode trazer grandes vantagens. As principais necessidades que
motivam a sua empregabilidade foram identificadas por Messler na sua obra [3], e encontram-se
descritas abaixo:
Propósitos académicos ou de aprendizagem, tendo como objectivo compreender os
problemas de um projecto deficiente e solucioná-los;
Resolução de falhas de documentação, proporcionando que um sistema seja completamente
documentado nas fases de projecto, produção, operação, manutenção ou reparação;
Análise de segurança do produto, examinando o seu funcionamento para determinar as suas
especificações, estimar os seus custos e averiguar a existência de uma potencial violação de
patente, e nesse caso, como contornar as restrições de acesso;
Inteligência técnica competitiva, comparando os produtos de competidores rivais com
aqueles produzidos;
Espionagem comercial ou militar, com vista ao conhecimento e descoberta de investigações
ou inovações de um competidor ou inimigo, capturando ou roubando um protótipo e
desmantelá-lo para desenvolver um produto similar.
Na Tabela 2.1 estão presentes exemplos das motivações acima referidas que levaram ao uso da
engenharia inversa.
Tabela 2.1 - Motivações que Levaram ao Emprego da Engenharia Inversa (adaptado de [3])
Propósitos Académicos ou
de Aprendizagem Compreensão do mecanismo de Anticítera
Falhas de Documentação Substituição de peças gastas ou partidas em navios quando o
construtor original já não se encontra no mercado
Análise de Segurança do
Produto Clones de computadores IBM
Inteligência Técnica
Competitiva Fabricantes de smartphones observando os concorrentes
Espionagem Comercial Tentativa de copiar a fórmula da Coca-Cola
Espionagem Militar Cópia do Rocket V2 alemão por parte dos E.U.A. e U.R.S.S.
7
2.2. Engenharia Inversa ao Longo dos Tempos
A engenharia inversa é aplicada há já vários séculos, apesar de a sua denominação só ter começado a
ser usada mais recentemente. Mas a história está repleta de vários exemplos de como a engenharia
inversa foi utilizada como uma ferramenta vital para o progresso e desenvolvimento em várias áreas.
Durante a construção da Grande Pirâmide de Khufu (Figura 2.1), também conhecida como Pirâmide
de Giza, finalizada por volta de 2560 A.C., o arquitecto Hemiunu deparou-se com fendas de enorme
dimensão presentes nas vigas que poderiam levar ao colapso da câmara principal ainda antes da
conclusão da construção da pirâmide. Hemiunu decidiu analisar todas as etapas de construção da
pirâmide executadas até aquele momento e identificar as decisões tomadas que tinham obtido
sucesso e as que não. A partir dessa informação foi adaptando o projecto à medida que a pirâmide
era erguida, evitando repetir os mesmos erros para evitar futuras falhas de construção [4].
Figura 2.1 - Grande Pirâmide de Khufu (fotografia de Pichugin Dmitry)
8
Isto é, ao longo da construção da pirâmide, Hemiuni foi melhorando os conhecimentos de
engenharia estrutural a partir da estrutura. Pelo conhecimento obtido pelo processo de engenharia
inversa aplicado à construção, o arquitecto solucionou as fendas das vigas desviando o peso sobre as
mesmas, que suportavam o tecto da câmara, para os suportes de cada lado da câmara. Por cima das
vigas foram criados cinco compartimentos de alívio (Figura 2.2), colocados uns em cima dos outros,
de forma a que a carga sobre a câmara não provocasse o colapso.
Figura 2.2 – Compartimentos de Alívio da Pirâmide (imagem retirada a partir da 3D Experience da Dassault Systemes)
Um outro exemplo das vantagens da engenharia inversa pode ser encontrado durante a época do
Império Romano. O historiador grego Polybius (200 A.C. – 118 A.C.) relata na sua obra The Histories
[5] que os Romanos capturaram um navio birreme fenício, e aplicando o método de peças
padronizadas usadas pelos cartagineses na construção dos seus navios, conseguiram produzir cem
réplicas de uma versão melhorada do navio fenício original, com os quais tomaram o controlo do mar
Mediterrâneo no espaço de sessenta dias.
9
O chamado fogo Grego foi uma arma incendiária desenvolvida e usada pelo Império Bizantino, que
possibilitava o fogo continuar activo mesmo flutuando na água, e que tentou ser copiado por
diferentes povos devido à sua utilidade nas batalhas navais. Como a sua fórmula era segredo, os
outros povos tentaram recriar o fogo através de engenharia inversa, dando azo a diferentes
variações [3].
Figura 2.3 – Basílica de São Pedro (fotografia de italia.it)
Outro exemplo será o da cúpula da Basílica de São Pedro, construída por Miguel Ângelo que
observou anteriormente noutras cúpulas, de menor dimensão, a existência de problemas usando
secções de espessura constantes. De modo a diminuir o peso, projectou a cúpula com zonas de
espessura variável consoante a necessidade. Foi a partir da informação da construção de cúpulas
anteriores, no seu estado final, que foi possível adquirir conhecimentos para construir outras de
maior tamanho.
O período da Revolução Industrial testemunhou o aparecimento do motor a vapor. A primeira
versão, da autoria de Thomas Newcomen em 1712, foi seguida de outros motores, mais robustos,
por via da engenharia inversa, que foram melhorando o motor original de Newcomen, e tornando a
engenharia inversa como uma ferramenta importantíssima no avanço da tecnologia [6].
10
No ano de 1945, aquando da Segunda Guerra Mundial, aviões de combate da força aérea americana,
que participavam na guerra com o Japão, foram forçados a aterrar de emergência em território Este
da União Soviética. As suas tripulações foram autorizadas a regressar aos Estados Unidos da América,
mas os aviões foram retidos e mantidos em solo soviético. Após serem realizados testes nos aviões
americanos, o então líder soviético Joseph Stalin ordenou a criação de um programa de duplicação
das aeronaves americanas, que levaram à dissecação das mesmas, e à cópia das cento e cinco mil
peças que constituíam o veículo (Figura 2.4) [3].
Figura 2.4 – (a) Avião Americano B-29 Superfortress (fotografia de aviation-history.com);
(b) Avião Soviético Tupolev TU-4 (fotografia de Alan Wilson)
11
2.3. Usos Potenciais da Engenharia Inversa
Em termos de aplicação em diferentes fases do desenvolvimento do produto, a engenharia inversa é
uma técnica que apresenta potenciais benefícios. Através daquilo que foi conseguido anteriormente
é possível procurar melhorias, encontrar soluções ou até novos propósitos para um produto final. A
Tabela 2.2 apresenta como pode ser utilizada a engenharia inversa nas várias etapas.
Tabela 2.2 - Usos Potenciais da Engenharia Inversa (adaptado de [3])
Necessidades ou oportunidades orientadas para marketing:
Benchmarking
Redução de custos sem redução de funcionalidades e/ou desempenho
Melhorar funcionalidades e/ou desempenho sem aumento de custos
Melhorar um projecto defeituoso
Descobrir uma oportunidade para um novo projecto ou produto
Necessidades ou oportunidades orientadas para projecto:
Descobrir características não coordenadas de um projecto ou produto
Recriar ferramentas em faltas necessárias para a produção
Necessidades ou oportunidades orientadas para fabrico:
Reduzir custos directos com materiais e processos como parte da engenharia de valor
Melhorar a eficiência através de processos de sistematização (identificando
propriamente as sequencias das operações necessárias) e a produtividade (fazendo
peças e a sua montagem mais fácil)
Reduzindo time-to-market
Necessidades ou oportunidades orientadas para qualidade:
Solucionar defeitos ou deficiências num projecto, processo ou produto
Maximizar a capacidade de produção através de uma melhor documentação de um
projecto ou produto
Usos abrangentes:
Descobrir novas tecnologias ou princípios tecnológicos que permitam inovar projectos
ou produtos
Descobrir novos conceitos de geometria de peças ou estruturas, arranjo de peças
numa montagem ou elementos numa estrutura, materiais de construção e métodos
de fabrico
12
2.4. Conceitos e Definições da Engenharia Inversa Geométrica
Os conceitos e definições mais relevantes da engenharia inversa são apresentados, de forma
resumida, neste subcapítulo. Para uma compreensão do processo integral é necessário identificar os
seguintes termos:
Nuvem de Pontos
A nuvem de pontos (Figura 2.5) é o conjunto de pontos medidos pertencentes à superfície do
objecto. Os pontos possuem coordenadas no espaço tridimensional, XYZ, e são o resultado de várias
medições de diferentes pontos de vista. A densidade da nuvem dependerá da dispersão dos pontos
ao longo do espaço, e as regiões vazias entre os aglomerados de pontos indicam locais onde não foi
possível fazer medições de pontos.
Figura 2.5 - Nuvem de Pontos
Malha
A malha, também referida como malha poligonal (Figura 2.6), é um conjunto de faces, constituídas
por vértices e arestas, que definem a forma de uma superfície em três dimensões. A sua obtenção
parte da nuvem de pontos, onde os pontos agrupam-se para formar faces normalmente constituídas
por triângulos, quadriláteros ou outros polígonos convexos, simplificando o processo de renderização
da superfície. Em algumas situações as faces podem ser também constituídas por polígonos côncavos
ou por outras formas geométricas mais complexas.
13
Figura 2.6 - Malha Poligonal
Ruído
O ruído presente numa nuvem de pontos ou malha (Figura 2.7) é toda a informação que não contém
qualquer valor para a qualidade da representação do objecto ou mesmo não fazendo parte do
mesmo. Vernon [7] define mesmo o ruído como “qualquer contaminação indesejada de uma
imagem”. No entanto, aquando da remoção do ruído é necessário algum cuidado pois uma remoção
muito severa poderá levar à falta de informação em alguns locais, o que poderá implicar um modelo
com falta de informação. Muitas vezes os comandos de remoção de ruído realizam a operação pela
distância de pontos (no caso de uma nuvem) ou faces (no caso de uma malha) aos pontos e faces
mais próximos, respectivamente. Assim, se for definido, automaticamente pelo comando ou não,
que qualquer ponto ou face dentro de um determinado raio se encontre isolado, então os mesmos
serão eliminados. Normalmente é necessário executar manualmente a remoção do ruído para
reduzi-lo na sua quase totalidade, processo que poderá ser moroso dependendo da qualidade da
nuvem ou malha.
14
Figura 2.7 - Malha antes do Processo de Remoção de Ruído
Resolução
Uma das propriedades das malhas é a sua resolução, e que define o nível de detalhes visíveis na
superfície de interesse. A resolução está extremamente relacionada com o número de vértices,
arestas e faces da malha, sendo que quanto maior a resolução maior será a quantidade destes. A
resolução de uma malha pode ser alterada usando comandos de simplificação de malha ou
diminuição do número de faces da malha. Aplicando um comando de simplificação, o objectivo será
reduzir o número de faces que descrevem o objecto, ao mesmo tempo que é preservada a sua
forma, distribuindo os vértices de forma uniforme ao longo da malha [8].
A Figura 2.8 representa uma superfície com três resoluções diferentes. A partir da malha de maior
resolução foram aplicados vários comandos de simplificação de forma a reduzir a quantidade de
vértices e faces. De cima para baixo, as malhas apresentam respectivamente: 179 567 vértices e 357
304 faces; 44 841 vértices e 89 325 faces; 11 253 vértices e 22 331 faces. De notar que quanto menor
a resolução de uma nuvem ou malha, mais reduzido será o tamanho do ficheiro.
15
Figura 2.8 – A Mesma Superfície com Três Resoluções Diferentes
Precisão e Exactidão
Uma nuvem de pontos ou uma malha pode apresentar uma elevada resolução (precisão), mas no
entanto não representar o modelo correctamente (exactidão). Tal deve-se à precisão e à exactidão.
Idealmente, o objectivo do modelo geométrico a três dimensões será ser a representação mais
próxima da realidade, mas para isso é necessário que a precisão e a exactidão sejam ambas
adequadas.
Figura 2.9 - Precisão e Exactidão
16
2.5. Fases da Engenharia Inversa Geométrica
O processo da engenharia inversa geométrica é constituído por quatro fases gerais (Figura 2.10).
Estas fases ocorrem de forma sequencial, e partem da análise da geometria de um objecto físico até
à obtenção de um modelo tridimensional do mesmo.
A primeira fase é reconhecida com a Aquisição de Dados, onde os dados obtidos são pontos do
objecto alvo. Existem diferentes métodos usados para localizar estes pontos, e a escolha do método
a usar é influenciada pela natureza do objecto e pelo espaço envolvente.
Segue-se a fase de Pré-processamento onde os dados adquiridos na etapa anterior são tratados,
através de mecanismos que permitem identificar e seccionar os pontos relevantes e excluir o ruído.
A fase seguinte, Segmentação e Montagem de Superfícies, onde as diferentes superfícies são
classificadas e posteriormente rearranjadas numa montagem com o objectivo de obter uma
superfície optimizada. Por último, é criado um modelo a três dimensões do modelo usado nos
sistemas CAD, fase denominada de Criação de Modelo 3D.
Figura 2.10 – Fases do Processo da Engenharia Inversa Geométrica [2]
Aquisição de Dados
Pré-processamento
Segmentação e Montagem de
Superfícies
Criação de Modelo 3D
17
Mais recentemente [9], o processo de engenharia inversa geométrica para modelos CAD foi dividido
de forma mais detalhada. As várias etapas de cada fase encontram-se definidas por diferentes cores
na Figura 2.11.
Figura 2.11 - Etapas da Engenharia Inversa Geométrica (Verde – Aquisição de Dados; Azul – Pré-processamento; Amarelo – Segmentação e Montagem de Superfícies; Preto – Criação de Modelo 3D)
2.5.1. Aquisição de Dados
O primeiro passo é onde são obtidos os dados necessários para a construção do modelo
tridimensional. É imperativo que o método utilizado na recolha das formas geométricas seja aquele
que se adeqúe ao objecto físico alvo, para que a informação recolhida seja o mais fiel possível à
realidade, influenciando a qualidade do modelo final.
Os métodos de aquisição (Figura 2.12) dividem-se em três tipos: os métodos que não exigem
contacto físico com o objecto, e que podem ser acústicos, magnéticos ou ópticos; os métodos que
obrigam a que ocorra contacto com o objecto, como braços mecânicos, sistemas CMM ou sistemas
CNC; e os métodos destrutivos [2] [10].
Aquisição de Dados 3D (Scanning)
Filtragem e Fusão de Nuvens de Pontos
Criação de Malhas Triangulares
Simplificação e Reparação de
Malhas
Segmentação (Divisão em Regiões
Separadas)
Classificação de Regiões
Montagem des Superfícies Primárias
(Funcionais)
Montagem de Superfícies de
Ligação
Aperfeiçoamento de Superfícies
Criação de um Modelo B-rep
Exportação para Sistemas CAD/CAM
18
Figura 2.12 – Métodos de Aquisição de Dados
2.5.1.1. Métodos Sem Contacto
Classificam-se por Métodos Sem Contacto todos os métodos de aquisição de dados que não exigem
qualquer contacto físico entre o sistema que realiza a aquisição com o objecto alvo. A interacção
entre os mesmos é feita através de um fenómeno físico, sendo usado som, campos magnéticos ou
luminosidade. Tendo em conta o tipo de fenómeno físico utilizado para a obtenção de dados,
chamam-se, respectivamente, métodos acústicos, magnéticos ou ópticos (Figura 2.13).
Figura 2.13 - Métodos de Aquisição de Dados Sem Contacto
Métodos de Aquisição
Métodos Destrutivos
Métodos com
Contacto
Métodos sem
Contacto
Métodos Sem Contacto
Ópticos
Activos Passivos
Acústicos
SonarUltrassonografia
(2D, 3D e 4D)
Magnéticos
Ressonância Magnética
Tomografia Computorizada
19
2.5.1.1.1. Métodos Ópticos
Os métodos ópticos distinguem-se em dois tipos (Figura 2.14). Aqueles que recorrem ao uso de luz
natural para realizar a detecção de dados, intitulados de Métodos Ópticos Passivos, e aqueles que
utilizam de alguma forma luz artificial para a aquisição de dados são identificados como Métodos
Ópticos Activos.
Os Métodos Activos são constituídos por quatro categorias principais: Iluminação Estruturada,
Interferometria de Moiré, Tempo de Voo e Triangulação. Já os Métodos Passivos baseiam a captura
de dados através da análise de imagens. Os Métodos de Análise de Imagem são denominados
Structure (estrutura) ou Shape (forma) em que é necessário capturar e analisar as diferentes imagens
de forma a ser possível recriar uma superfície [2].
Figura 2.14 - Métodos Ópticos de Aquisição de Dados
Métodos Ópticos
Activos
Iluminação Estruturada
Interferometria de Moiré
Tempo de Vôo
Triangulação
Passivos
Structure from Focus
Structure from Defocus
Structure from Texture
Structure from Shading
Structure from Motion
20
2.5.1.1.1.1. Iluminação Estruturada
Um dos métodos ópticos activos é a Iluminação Estruturada, em que são projectados padrões de luz
sobre a superfície do objecto, e obtida uma imagem resultante do padrão geometricamente
distorcido que é reflectido pela superfície (Figura 2.15). A partir dessa imagem é possível determinar
as coordenadas da superfície [11]. Os sistemas que utilizam Iluminação Estruturada permitem
recolher milhões de pontos por segundo e conseguem recolher informação acerca das cores da
textura das superfícies.
Figura 2.15 - Método da Iluminação Estruturada
As coordenadas dos pontos superficiais são calculadas de forma computorizada pela intersecção da
linha de visão capturada no plano de imagem com o plano da luz projectada [7]. O padrão de luz
percorre a superfície do objecto numa direcção, p.e., ao longo do eixo de coordenadas das cotas 𝑧 do
sistema, e ao mesmo tempo, são recolhidas uma sequência de imagens em intervalos descontínuos,
sendo atribuído a cada imagem um valor 𝑖 correspondente à posição 𝑧 em que foi tirada.
Em cada imagem capturada são obtidas as coordenadas (𝑥𝑖, 𝑦𝑖) dos pixéis do padrão reflectido, e
usando uma matriz de calibração, as coordenadas (𝑥𝑖 , 𝑦𝑖 , 𝑧𝑖) transformadas para as coordenadas
reais (𝑥, 𝑦, 𝑧).
21
Os padrões de luz projectados podem ser de diferentes tipos (Figura 2.16): o de Ponto Único, que
devido a tornar esta abordagem lenta e não adequada para cenários dinâmicos é raramente aplicada
[12]; o de Linha de Luz, o mais usado; o de Tira Codificada; o de Padrão em Grelha, também muito
empregado em vários sistemas.
Figura 2.16 - Diferentes Padrões de Luz dos Sistemas de Iluminação Estruturada (adaptado de [10])
2.5.1.1.1.2. Triangulação
A Triangulação é um método activo que calcula as coordenadas de uma superfície a partir da
localização das fontes de luz e dos dispositivos fotossensíveis, e dos ângulos formados entre os
mesmos. A Triangulação geométrica é utilizada na maioria dos scanners por laser, que possuem duas
variantes: a primeira com uma fonte de luz e uma câmara (Figura 2.17), e a segunda variante com
uma fonte de luz e duas câmaras (Figura 2.18), sendo que nesta situação a fonte de luz não está
envolvido em nenhuma função de medição.
O seu princípio consiste no uso de uma fonte de luz de alta energia, sendo a mais comum o uso de
lasers, focada e projectada em forma de ponto ou linha e num ângulo conhecido, deflectida através
de um espelho rotacional, na superfície do objecto. O reflexo do ponto iluminado na superfície é
focado por uma lente e capturado por um dispositivo fotossensível, normalmente uma câmara
(CCD).
22
Figura 2.17 - Método da Triangulação com uma Câmara (adaptado de [10])
A distância entre a fonte de luz e a câmara é obtida através de calibração, o que permite calcular a
posição do ponto iluminado 𝑃𝑖 no sistema de coordenadas da câmara. Sendo conhecido as
dimensões da distância focal da câmara 𝐹, da imagem de coordenadas do ponto iluminada 𝑃, da
distância fixa entre a fonte de luz e a câmara 𝐿 e do ângulo 𝛳.
O erro de medição da coordenada 𝑍 é directamente proporcional a 𝑍2, mas inversamente
proporcional às distâncias 𝐿 e 𝐹, pelo que incrementando a distância entre a fonte de luz e a câmara
permite obter medições mais exactas [10]. No entanto, esta distância está limitada pela estrutura
dos scanners, o que torna os scanners que usam triangulação indicados para objectos de dimensões
reduzidas e a curtas distâncias.
23
Figura 2.18 - Método de Triangulação com Dupla Câmara (adaptado de [10])
Dispositivo de Carga Acoplada (CDD)
Um dispositivo de carga acoplada, também conhecido como CDD (charge coupled device), é um
sensor semicondutor constituído por uma matriz contida num circuito integrado. A matriz é
constituída por condensadores acoplados, controlados por um circuito externo, que transferem a sua
carga eléctrica para o condensador vizinho.
Os fotões da luz reflectida pela superfície do objecto implicam que os condensadores acumulem
carga. Posteriormente a carga de cada condensador é transferida ao condensador vizinho, até ao
último condensador que envia a sua carga a um amplificador para que seja convertida em tensão. O
procedimento sucede-se até que toda a carga presente nos condensadores seja convertida numa
sequência de tensões.
Os scanners, em regra geral, utilizam uma arquitectura interline transfer (Figura 2.19) em que os
elementos do sensor sensíveis à luz, fotodíodos, estão dispostos em colunas, em que cada coluna se
encontra ligada a um registador de deslocamento (shift register), através de um portão de
transferência (transfer gate). A carga oriunda dos fotodíodos desloca-se para os registadores de
deslocamento verticais de linha em linha até ao registador de leitura horizontal (horizontal readout
register) [13].
24
Figura 2.19 - Arquitectura "Interline Transfer" das Câmaras CCD (adaptado de [13])
2.5.1.1.1.3. Tempo de Voo
O Tempo de Voo é um método óptico activo que permite determinar a localização de pontos
superficiais de um objecto através do tempo percorrido por um flash de luz. O método é usado
principalmente na digitalização objectos de grande dimensão e dispostos a uma longa distância,
como por exemplo, edifícios e pontes.
Este método baseia-se na medição da quantidade de tempo que um impulso de laser de radiação
electromagnética, i.e., flash de luz, demora a percorrer a distância desde o seu ponto inicial no
scanner (onde é emitido o flash) ao objecto, até regressar de novo ao scanner (onde o flash é
recebido). Os scanners baseados neste método executam por segundo, entre centenas a milhares de
medições devido à velocidade da luz, no entanto apenas conseguem capturar a geometria dos
objectos, não sendo possível recriarem a textura dos mesmos.
25
Figura 2.20 - Princípio dos Scanners de Tempo de Voo (adaptado de [10])
Conhecendo o valor da velocidade da luz torna-se possível medir a distância que separa o objecto do
scanner e assim determinar os valores das coordenadas da superfície. A expressão (2.1) apresenta
essa mesma relação, onde a distância 𝐷 entre o scanner e o ponto da superfície é dada pela
velocidade da luz 𝐶 multiplicada por metade do tempo total da viagem 𝑡 do flash de luz:
𝐷 = 𝐶 ×
𝑡
2 (2.1)
O ângulo 𝛳 que resultada da viagem do flash (Figura 2.20) é considerado muito pequeno, não tendo,
para efeitos práticos, alterações na precisão das distâncias calculadas, com os scanners baseados no
Tempo de Voo a apresentarem uma precisão para grandes distâncias entre os milímetros e os
centímetros. A precisão das medições é afectada pela largura do flash, velocidade do detector do
flash e a resolução temporal, o que significa que para uma maior precisão das medições é necessário
um flash mais curto e um detector mais rápido.
Existe uma variação do método, com precisões na casa dos micrómetros, em que se compara as
mudanças de fase do comprimento de onda emitido e da luz recebida, sendo computorizada a
distância através dessa comparação. Este método de mudança de fase utiliza apenas uma única linha
de visão para realizar o scan, permitindo que a luz laser percorra sempre o mesmo caminho entre o
scanner e a superfície, levando a que seja possível definir cavidades, dentro de furos e superfícies
côncavas.
26
2.5.1.1.1.4. Interferometria de Moiré
O método de Interferometria de Moiré consiste na utilização de feixes de luz para efectuar medições
de deslocamentos planares em superfícies essencialmente planas [14]. Padrões de luz são
projectados na superfície, criando sombras, e os contornos dessas sombras são capturados por uma
câmara CDD. Através dessas imagens é possível calcular as coordenadas da superfície a partir da
análise das distâncias entre as linhas das sombras.
Figura 2.21 – Diagrama Sistemático para Interferometria de Moiré com Quatro Feixes (adaptado de [14])
27
As sombras formadas denominam-se por franjas (Figura 2.22) e resultam da sobreposição de
diferentes padrões, podendo variar tanto em dimensões como em forma, bem como em termos de
espaçamento e rotação. São projectados feixes sobre a superfície, criando uma grelha virtual com
linhas perpendiculares ao eixos 𝑥 e 𝑦. Os feixes 𝐵1 e 𝐵2, ilustrados na Figura 2.21 criam a franja
perpendicular a 𝑥, e os feixes 𝐵3 e 𝐵4 a franja perpendicular a 𝑦, identificados como franjas 𝑁𝑥 e 𝑁𝑦
respectivamente. As franjas são então registadas pela câmara digital.
As ordens das franjas são proporcionais aos deslocamentos, sendo o deslocamento no eixo 𝑥
denominado por 𝑈, e o deslocamento no eixo 𝑦 por 𝑉. Sendo 𝑓𝑔 a frequência da grelha virtual, e que
será a constante de proporcionalidade da grelha virtual de referência [14] :
𝑁𝑥 = 𝑓𝑔𝑈 (2.2)
𝑁𝑦 = 𝑓𝑔𝑉 (2.3)
Figura 2.22 - Franjas de Moiré
As grelhas podem ser formadas pelos feixes através de interferência ou por difracção. Se for usada
uma grelha real para obter uma grelha virtual, assinalada na Figura 2.23 como (𝐵𝐵), então ter-se-á
uma difracção, se for usado mais que um feixe, como referido acima, então está-se perante uma
interferência, que resulta numa grelha virtual sem necessidade de se recorrer a uma grelha real.
Relacionando o comprimento de onda 𝜆 do feixe com metade do ângulo 𝜃 de intersecção, obtém-se
a frequência 𝐹𝑓 das franjas (em franjas/mm).
28
Figura 2.23 - Grelha Virtual através de Difracção e de Interferência (adaptado de [14])
A Interferometria de Moiré permite obter modelos a três dimensões muito precisos, no entanto, este
método é apenas indicado para objectos de reduzida escala, pois para maiores objectos é necessário
aumentar a distância à superfície o que implica uma grande perda na precisão. Deste modo, este
método para efeitos de engenharia inversa em termos de representação geométrica, é adequado
apenas para objectos pequenos e com superfícies pouco curvas.
29
2.5.1.1.1.5. Structure from Focus
Este método consiste na utilização de um conjunto de imagens de um objecto, obtidas com
diferentes configurações de focagem, para estimar as diferentes profundidades dos vários pontos
superficiais e assim recriar a sua superfície em três dimensões. Para cada imagem é computorizada a
qualidade de focagem, e para cada pixel é seleccionado a imagem que apresenta melhor focagem, ou
seja, para cada pixel é determinado a configuração de focagem que maximiza o contraste da
imagem. Recorrendo às configurações da imagem seleccionada é realizado um cálculo da
profundidade do pixel referido [15].
A expressão (2.4) traduz matematicamente o processo acima descrito, onde após ser computorizada
a medida focal 𝐹𝑀 para cada pixel (𝑥, 𝑦), é seleccionado a distância focal 𝑓 adequada para um
número 𝑁 de imagens [16].
𝑓𝑖(𝑥, 𝑦) = 𝑎𝑟𝑔 𝑚𝑎𝑥 (𝐹𝑀𝑖(𝑥, 𝑦)), 𝑐𝑜𝑚 𝑖 = 1 … 𝑁 (2.4)
A relação entre a profundida do objecto e a distância focal da lente, onde 𝑢 é a distância entre a
lente e o plano de imagem e 𝑣 a profundidade do objecto:
1
𝑓=
1
𝑢+
1
𝑣 (2.5)
2.5.1.1.1.6. Structure from Defocus
Structure from Defocus trata-se de um método que relacionada imagens focadas e desfocadas. A
partir de duas imagens, 𝐼1 e 𝐼2, separadas por uma distância física 𝛽 conhecida, é feita uma análise à
desfocagem dos pontos nas duas imagens, não sendo necessário um maior número de imagens para
a representação da superfície. A Figura 2.24 esquematiza o princípio deste método.
30
Figura 2.24 – Formação de Imagem e Profundidade no método Structure from Defocus [17]
Um ponto 𝑃 pertencente a uma superfície reflecte a luz que lhe é incidida, passando por uma
abertura 𝐴 onde será refractada por uma lente de forma a convergir com o ponto 𝑄 no plano de
imagem. Seguindo o mesmo raciocínio, todos os pontos de uma superfície são projectados no plano
de imagem, criando uma imagem focada 𝐼𝑓. Computorizando a distância 𝛼, e utilizando a expressão
(2.6) da distância de imagem 𝑑𝑖 para fazer a substituição na equação de Gauss para lentes delgadas
(2.7), obtêm-se a distância 𝑑 da lente ao ponto da superfície [17] [18].
𝑑𝑖 = 𝛾 − 𝛼 (2.6)
1
𝑑+
1
𝑑𝑖=
1
𝑓 (2.7)
2.5.1.1.1.7. Structure from Texture
Tal como os métodos anteriores, Structure from Texture é um método de recolha de informação
tridimensional a partir de imagens bidimensionais. Através da variação de tamanho, densidade e
forma dos elementos de textura é possível estimar a orientação e geometria das superfícies. Para a
imagem capturada pela câmara, é necessário delinear constrangimentos geométricos no plano de
imagem [19] .
31
Supondo uma superfície como a da Figura 2.25 (a), inclinada com um ângulo 𝛼, de forma a que o
centro da câmara se encontre a uma maior distância do topo da superfície do que à base. Os discos
presentes na superfície aparecem na imagem da Figura 2.26, correspondente à captura pela câmara,
com forma de elipses, o que indica que a superfície não se encontra paralela ao plano de imagem. É
perceptível que o tamanho das elipses decresce em função do eixo 𝑦’ no plano de imagem, tendo um
maior número de elipses por unidade de área na zona de topo relativamente à zona da base da
superfície, originado um gradiente de densidade e um gradiente de rácio de aspecto (rácio dos
diâmetros menor e maior das elipses). Sendo 𝑑 o diâmetro do disco, 𝑓 a distância focal da câmara e 𝑧
a distância do centro da câmara ao disco, os diâmetros menor e maior, minor e major
respectivamente, são dados pelas equações seguintes:
𝑑𝑚𝑖𝑛𝑜𝑟(0,0) =
𝑑 𝑓
𝑧𝑐𝑜𝑠 𝛼 (2.8)
𝑑𝑚𝑎𝑗𝑜𝑟(0,0) =
𝑑 𝑓
𝑧 (2.9)
Figura 2.25 – Structure from Texture: Representação 3D do Sistema da Câmara com o Plano Inclinado; a vista 𝑦𝑧 (b); a vista 𝑥𝑧 (c) (adaptado de [12])
32
Considerando uma elipse com centro (0, 𝑦’) no plano de imagem presente na Figura 2.25 (b) e (c),
com o disco a estar a uma distância do centro da câmara 𝑆 em vez de 𝑧, sabendo a relação (2.10) e
assumindo que o diâmetro d do disco é muito pequeno implicando que 𝛳1 ≈ 𝛳2 ≈ 𝛳, e portando
𝑆1 ≈ 𝑆2 ≈ 𝑆. Da Figura 2.25 retira-se a relação (2.11), e a partir das equações acima são
estabelecidas novas expressões para os diâmetros das elipses:
𝑡𝑎𝑛 𝛼 =
𝑦′
𝑓 (2.10)
𝑆 − 𝑧
𝑡𝑎𝑛 𝛼= 𝑆 𝑡𝑎𝑛 𝜃 (2.11)
𝑑𝑚𝑖𝑛𝑜𝑟(0, 𝑦′) =
𝑑 𝑓
𝑧𝑐𝑜𝑠 𝛼 (1 − 𝑡𝑎𝑛 𝜃 𝑡𝑎𝑛 𝛼)2 (2.12)
𝑑𝑚𝑎𝑗𝑜𝑟(0, 𝑦′) =
𝑑 𝑓
𝑧(1 − 𝑡𝑎𝑛 𝜃 𝑡𝑎𝑛 𝛼) (2.13)
Para texturas mais complexas, principalmente com vários níveis de cinzento, e imagens obtidas com
ruído, torna-se necessário métodos mais precisos para delinear cada característica da superfície no
plano de imagem [12].
Figura 2.26 - Imagem Capturada pela Câmara da Figura 2.25 (retirado de [12])
33
2.5.1.1.1.8. Structure from Shading
Structure from Shading é um método que permite reconstruir superfícies em três dimensões,
conhecendo as suas propriedades e as da iluminação incidente. A imagem obtida pelo sensor da
câmara encontra-se dependente da geometria e da distribuição espectral da fonte de luz que ilumina
o objecto e das propriedades da superfície, caracterizada pela sua geometria e pelas suas
propriedades de reflexão. A luminosidade é convertida pelo sistema de imagem medindo na imagem
a radiância, relação entre a potência incidente e a superfície [13].
A intensidade da luz incidente numa superfície é capturada pela câmara, originando um mapa de
reflectância (proporção entre o fluxo de luz incidente e o fluxo de luz reflectida), onde em cada pixel
da imagem a intensidade relaciona-se com a orientação da superfície. A equação (2.14) demonstra a
radiância 𝐸 na imagem capturada, relacionada com a orientação (𝑝, 𝑞) do ponto correspondente na
superfície, sendo 𝑅(𝑝, 𝑞) o mapa de reflectância da superfície:
𝐸(𝑥, 𝑦) = 𝑅(𝑝, 𝑞) (2.14)
Para cada ponto (𝑥, 𝑦) na imagem é calculada a forma da superfície através da orientação (p,q) na
superfície. Dependendo dos constrangimentos impostos, p.e., assumir que a superfície é totalmente
lisa, são usadas equações de forma a resolver as variáveis desconhecidas da expressão (2.14). Visto
que não é fácil em todas as situações controlar a luz incidente, e determinar de forma precisa as
propriedades de reflexão das superfícies, este método apresenta algumas dificuldades inerentes
[12].
Structure from Motion
Para o método Structure from Motion é dedicado um capítulo completo, onde são abordadas as suas
várias etapas em maior detalhe.
34
2.5.1.1.2. Métodos Acústicos
Os Métodos Acústicos existentes para adquirir dados utilizam uma frequência acima dos vinte mil
hertz, à qual se chama ultrassom, e os métodos principais em que se baseiam as diferentes técnicas
são o Sonar e a Ultrassonografia.
2.5.1.1.2.1. Sonar
Sonar é um método que permite detectar e localizar objectos usando o princípio do eco, em que o
sinal emitido é reflectido pelo objecto. Sonar, acrónimo para Sound Navigation And Ranging é usado
apenas para identificar objectos à superfície da água e abaixo da mesma.
Um sinal, em forma de onda, é gerado e direccionado numa determinada direcção, e no caso de
existir um objecto nessa trajectória, o sinal será reflectido (em parte ou totalmente) de volta em
forma de eco e detectado por um receptor. A distância é assim determinada pela diferença de tempo
entre a transmissão do sinal e a recepção do seu eco, conhecendo a velocidade do som no meio em
que se propaga.
O sinal é criado através de um projector sonar, que consiste em um gerador de sinais, um
amplificador e um transdutor electroacústico, sendo o receptor um conjunto de hidrofones que
medem o tempo de chegada do sinal.
Figura 2.27 - Sonar
35
2.5.1.1.2.2. Ultrassonografia (2D, 3D e 4D)
A Ultrassonografia, também conhecida como ecografia em medicina, é um método que recorre
também ao eco de sinais gerados para criar imagens de estruturas internas de seres vivos.
O seu princípio é o mesmo referido para o método Sonar, onde uma onde de alta frequência, entre
um a vinte megahertz, é gerada e direccionada, sendo a mesma reflectida quando em contacto com
certos tecidos, permitindo criar imagens a duas dimensões das superfícies. A precisão e resolução
são obtidas por um aumento da frequência emitida.
No entanto é possível obter também imagens a três dimensões, inclusive em tempo real, usando a
Ultrassonografia. Para tal, em vez das ondas sonoras serem reflectidas numa única direcção, são
reflectidas em diferentes ângulos. As ondas reflectidas são recebidas e por triangulação é feita a
reconstrução a três dimensões. No caso de a imagem sofrer algum atraso, devido aos cálculos
necessários para determinar a sua forma ou se os mesmos forem quase instantâneos, então está-se
perante uma Ultrassonografia a três ou quatro dimensões respectivamente.
Figura 2.28 – Imagem de uma Ultrassonografia a 3D/4D (fotografia de babyinsight3d.com)
36
2.5.1.1.3. Métodos Magnéticos
Os métodos magnéticos para aquisição de dados possuem várias técnicas e variações, mas
essencialmente o seu princípio baseia-se em dois métodos principais: Ressonância Magnética e
Tomografia Computorizada.
2.5.1.1.3.1. Ressonância Magnética
A Ressonância Magnética é um método que permite criar imagens de elevada qualidade de secções
interiores de corpos e materiais, através de campos magnéticos e ondas rádio. Fazendo uso deste
método é possível determinar distâncias na escala do nanómetro, bem como visualizar moléculas em
movimento em gases, líquidos e matéria condensada [20].
O seu conceito baseia-se no facto de certos núcleos atómicos, quando posicionados num forte
campo magnético externo, os seus protões conseguirem absorver e emitir ondas que serão recebidas
por antenas próximas. Usando impulsos de ondas rádio, a energia do momento angular do núcleo
atómico é alterada, e através de campos magnéticos localiza-se o sinal no espaço.
Os sinais recolhidos são processados por computador, construindo assim as imagens. É comum as
imagens obtidas serem imagens de cortes transversais a duas dimensões, mas a partir destas é
possível obter também modelos a três dimensões.
Figura 2.29 – Imagem de uma Ressonância Magnética 3D (imagem de gehealthcare.com)
37
2.5.1.1.3.2. Tomografia Computorizada
A Tomografia Computorizada trata-se de um método que permite visualizar a três dimensões o
interior de um objecto ou corpo, a partir de imagens a duas dimensões de secções transversais. Para
tal são utilizados feixes raio-x, projectados e absorvidos de forma diferente dependendo da
composição e densidade desse mesmo objecto ou corpo. Os scanners actuais de Tomografia
Computorizada conseguem produzir modelos com detalhes na ordem das dezenas de micrómetros,
mesmo para materiais de alta densidade.
Ao longo de um eixo de rotação são capturadas várias imagens a duas dimensões, que apresentam
uma escala de cor cinzenta, sendo observado a quantidade de radiação que cada parte desse objecto
ou corpo absorve. Cada pixel da imagem obtida é correspondente à média de absorção na
localização referente.
A projecção do feixe raio-x atravessa um plano do objecto ou corpo em diferentes ângulos, e é feita a
medição da quantidade de radiação que atravessa o objecto ou corpo ao longo de várias linhas de
visão, sendo construído um imagem de secção transversal, ou mapa de densidade, da superfície.
Figura 2.30 – Imagem de uma Tomografia Computorizada (imagem de maxillofacial.com)
38
2.5.1.2. Métodos Com Contacto
Os Métodos com Contacto, muitas vezes também referidos como Métodos Tácteis, são métodos que
necessitam de contacto com a superfície de forma a capturar a sua forma. Estes métodos recorrem a
dispositivos de detecção com braços mecânicos, máquinas de medição de coordenadas (CMM) e
máquinas de comando numérico computorizado (CNC). São métodos que apresentam como
vantagens principais uma grande precisão nas medições, a capacidade de conseguir medir furos e
ranhuras profundas, bem como poderem ser utilizados em peças transparentes ou demasiado
reflectivas. Existem duas técnicas utilizadas para recolher dados das superfícies, de ponto-a-ponto e
de varrimento (Figura 2.31).
A primeira técnica, de ponto-a-ponto, em que é utilizado uma sonda de contacto ponto-a-ponto
instalada numa máquina CMM ou num braço mecânico. Numa máquina CMM, o percurso percorrido
pela sonda ao longo da superfície é programado, enquanto usando um braço mecânico a operação é
realizada manualmente. Apesar de uma máquina CMM conseguir recolher dados mais precisos,
permite no entanto menos graus de liberdade no seu movimento em relação aos braços mecânicos,
o que torna mais complicado a operação de aquisição de dados numa superfície mais complexa.
A segunda técnica faz uso de uma sonda de varrimento analógica numa máquina CMM ou CNC, que
permite recolher dados de uma superfície de forma interrupta, em que a sonda está em contacto
com a superfície de forma quase continua. A subtécnica open-loop permite fazer medições a alta
velocidade de formas definidas matematicamente com poucas curvas e superfícies, e os movimentos
da sonda são controlados pelo programa que calcula a magnitude do erro entre a verdadeira
superfície e a nominal. É normalmente usada para peças com características prismáticas como furos,
planos e cilindros. Closed-loop é a subtécnica utilizada para formas mais complexas, em que a sonda
detecta as direcções da superfície e ajusta-se para manter o contacto com a peça. Adequa-se a peças
com superfícies complexas, pequenas ou curvas, desde moldes e matrizes a engrenagens e pás de
turbinas [21].
39
Figura 2.31 – Métodos Com Contacto
2.5.1.3. Métodos Destrutivos
Os Métodos Destrutivos, ao contrário dos restantes métodos referidos anteriormente, implicam a
destruição do objecto durante o processo de recolha de dados das superfícies. Um conjunto de
processos de slicing (fatiamento) e de scanning são realizados, normalmente por um sistema
equipado com discos de corte e uma unidade de scanning. Em teoria todos os objectos que possam
ser maquinados poderão ser utilizados com estes métodos.
O objecto é colocado numa cápsula de epoxy, de uma cor que contraste com o objecto, que é
mantida durante cerca de oito horas num recipiente de pressão com estados alternados de pressão e
vácuo. Posteriormente essa mesma cápsula é sujeita a operações de corte, normalmente recorrendo
a fresas, com o objecto posicionado, preferencialmente, a um ângulo de 45° com o plano de corte.
São executados cortes por camadas, com uma espessura na ordem dos vinte e cinco micrómetros, e
após cada corte é realizado um scan da superfície. No fim do processo, as imagens das diferentes
camadas são combinadas para criar uma nuvem de pontos a três dimensões [22].
A Figura 2.32 ilustra o procedimento referido, onde o objecto é colocado é colocado numa cápsula
de epoxy de cor contrastante (A), sofrendo cortes transversais camada a camada (B e C), resultando
na exposição de novas faces (D).
Métodos com
Contacto
Sensores Ponto-a-Ponto com Sonda de Contacto
CMMBraços
Articulados
Sensores Analógico com Sonda de Varriemnto
CMM CNC
40
Figura 2.32 – Procedimento do Método Destrutivo (adaptado de[10])
2.5.2. Pré-processamento
Depois da aquisição de dados segue-se a etapa de pré-processamento. Esta etapa, também referida
como o primeiro passo do processamento de imagem [19], tem como objectivo melhorar a qualidade
das imagens recolhidas. As imagens muitas vezes encontram-se “degradadas” devido à distorção e
ruído dos sistemas ópticos e electrónicos de captura de imagens. O pré-processamento, quando
executado correctamente, leva a um processo de processamento de imagem menos trabalhoso, e
apesar de ser possível extrair informação sem aplicação da etapa de pré-processamento, é
extremamente benéfico a sua utilização quando se procura obter formas e posições precisas, bem
como uma correcta medição da intensidade luminosa.
41
Redução de Ruído
O ruído pode ser classificado como sistemático ou aleatório. Um exemplo de ruído sistemático é o
ruído periódico induzido por outros sinais eléctricos, e usando a transformada da Fourier aplicada a
um sinal de vídeo, é possível detectar o ruído representado pelos altos picos de amplitude. No caso
de o ruído ser aleatório a sua detecção não é possível através de transformações espaciais. Uma
solução passa por utilizar os valores da intensidade luminosa para a sua detecção, correspondendo o
ruído ao pixel mais claro ou ao mais escuro. Depois do ruído ser localizado, a sua intensidade é
substituída por um valor resultante da interpolação da intensidade luminosa dos pixéis vizinhos [19].
Perante a situação de terem sido obtidas várias imagens, é possível utilizar uma operação de
suavização, reduzindo o ruído pela média do conjunto.
Correcção Geométrica
Como referido anteriormente, os sistemas de imagem ópticos e electrónicos podem causar distorção
geométrica. Um método de correcção passa pelo recurso ao padrão de distorção que pode ser
medido pelos pontos de grelha (ou pontos conhecidos) no plano de visão, com as posições dos
restantes pontos a serem corrigidas por interpolação, baseada nalguns pontos de grelha na região
vizinha envolvente. Outro método de correcção, chamado Resampling, baseia-se no modelo de
distorção geométrica, definido a partir de uma posição ideal (𝑥, 𝑦) para a posição distorcida
(𝑥’, 𝑦’) por equações de transformação, (2.15) e (2.16). Deste modo, os pontos da imagem ficarão
posicionados de forma correcta, podendo as distâncias e as áreas na imagem serem calculadas com
precisão. Estas equações tratam-se normalmente de equações lineares para uma distorção de
perspectiva ou de equações lineares para uma distorção devido aos componentes da câmara.
𝑥′ = ℎ𝑥(𝑥, 𝑦) (2.15)
𝑦′ = ℎ𝑦(𝑥, 𝑦) (2.16)
42
A imagem ideal pode ser recuperada a partir da imagem distorcida através da equação representada
em (2.20), com as imagens ideal e distorcida designadas por 𝑓 e 𝑔 respectivamente.
𝑓(𝑥, 𝑦) = 𝑔(𝑥′, 𝑦′) (2.17)
A Figura 2.33 exemplifica um pixel na posição distorcida (𝑥’, 𝑦’), rodeado por quatro pixéis dispostos
como resultado da intercepção de quatro rectas com as seguintes relações:
𝑥2 = 𝑥1 + 1 (2.18)
𝑦2 = 𝑦1 + 1 (2.19)
Como 𝑓(𝑥1, 𝑦’) e 𝑓(𝑥2, 𝑦’) são interpoladas, então 𝑓(𝑥’, 𝑦’) também será interpolada da seguinte
forma:
𝑓(𝑥1, 𝑦′) = (𝑦2 − 𝑦′) 𝑔(𝑥1, 𝑦1) + (𝑦′ − 𝑦1) 𝑔(𝑥1, 𝑦2) (2.20)
𝑓(𝑥2, 𝑦′) = (𝑦2 − 𝑦′) 𝑔(𝑥2, 𝑦1) + (𝑦′ − 𝑦1) 𝑔(𝑥2, 𝑦2) (2.21)
𝑓(𝑥′, 𝑦′) = (𝑥2 − 𝑥′) 𝑓(𝑥1, 𝑦′) + (𝑥′ − 𝑥1) 𝑓(𝑥2, 𝑦′) (2.22)
Figura 2.33 - Interpolação Baseada nos Pixeis Vizinhos (adaptado de [19])
43
Correcção do Nível de Cinzento
A correcção dos níveis de cinzento permite compensar a não uniformidade do sistema de captura,
resultando em imagens ou zonas de grande ou pouca sensibilidade à intensidade luminosa. Esta não
uniformidade tanto pode ser aleatória ou sistemática (referido em algumas literaturas como
sombreamento) dependendo da sensibilidade de cada elemento fotossensível que constitui o
sistema.
De forma a contornar este problema existem vários métodos. Recorrendo a uma fonte de luz com
um brilho uniforme é possível calibrar a sensibilidade dos pixéis, usando um coeficiente de escala
para cada pixel, e é um método normalmente utilizado para corrigir a não uniformidade aleatória.
Para uma correcção da não uniformidade sistemática é usual a aplicação de funções de
transformação das duas variáveis cartesianas.
Correcção de Desfocagem
Imagens desfocadas são resultantes de sistemas de captura de imagem desfocados. Para que o ruído
não aumente aquando da obtenção da imagem real, é adequado aplicar a correcção da desfocagem
só após a operação de remoção do ruído. Definindo por 𝑓(𝑥, 𝑦) a imagem ideal e por 𝑔(𝑥, 𝑦) a
imagem desfocada obtida [19], com esta última expressa por:
𝑔(𝑥, 𝑦) = ∬ ℎ(𝑥, 𝑦, 𝑢, 𝑣)𝑓(𝑢, 𝑣) 𝑑𝑢𝑑𝑣
∞
−∞
(2.23)
Sendo que por vezes a função de propagação de pontos, ℎ, pode ser formulada em função de (𝑥 −
𝑢) e (𝑦 − 𝑣) como na equação (2.24).
𝑔(𝑥, 𝑦) = ∬ ℎ(𝑥 − 𝑢, 𝑦 − 𝑣)𝑓(𝑢, 𝑣) 𝑑𝑢𝑑𝑣
∞
−∞
(2.24)
Aplicando a transformada de Fourier é possível solucionar a equação de forma eficiente, obtendo
resultado em (2.25), e posteriormente aplicando a transformada inversa de Fourier a 𝐹(𝑎, 𝑏) obtém-
se a imagem ideal 𝑓(𝑥, 𝑦).
𝐺(𝑎, 𝑏) = 𝐻(𝑎, 𝑏) 𝐹(𝑎, 𝑏) → 𝐹(𝑎, 𝑏) =
𝐺(𝑎, 𝑏)
𝐻(𝑎, 𝑏) (2.25)
44
2.5.3. Segmentação
A divisão de uma imagem em regiões é chamada Segmentação, e tem como objectivo identificar
subimagens que possam representar objectos ou partes de um objecto, correspondendo,
idealmente, cada região a um objecto ou a uma parte do objecto. Pode-se definir uma região numa
imagem como um grupo de pixéis conectados com propriedades similares. Considerando uma
imagem com diferentes objectos, o primeiro passo de análise será repartir a imagem com o intuito
de identificar e marcar de forma explícita as diferentes regiões que representam os diferentes
objectos. A divisão em regiões é realizada a partir das características dos valores dos níveis de
cinzento dos pixéis que fazem parte da imagem, e existem duas abordagens para realizar a referida
divisão: Segmentação baseada na região e a estimativa da fronteira usando a detecção de arestas.
Segmentação Baseada na Região
Nesta abordagem todos os pixéis que correspondem a um objecto são agrupados e marcados,
indicando que pertencem todos a uma região, sendo os pixéis atribuídos a uma determinada região
através de um critério que os distingue do resto da imagem. Dois dos critérios mais importantes são
o valor de similaridade e a proximidade espacial, resultando que dois pixéis com características de
intensidade similar ou posicionados perto um do outro podem ser atribuídos à mesma região. Uma
específica medida de um valor de similaridade entre dois pontos é, por exemplo, a diferença entre os
valores de níveis de cinzento ou a sua variância em relação ao valor esperado, e no caso da
proximidade espacial, são exemplos a distância Euclidiana ou a compacidade de uma região. Para
recorrer a estes critérios de similaridade e proximidade, parte-se da suposição que os pontos
pertencentes ao mesmo objecto irão projectam pixéis na imagem, que terão valores de níveis de
cinzento próximos e que estarão perto espacialmente.
Estimativa da Fronteira Usando a Detecção de Arestas
O objectivo desta abordagem é identificar os pixéis que se encontram posicionados numa região
fronteira. Estes pixéis são chamados arestas, e são localizados através da análise da sua vizinhança,
visto que como estão posicionados na fronteira, e como regiões diferentes apresentam diferentes
valores de níveis de cinzento, uma fronteira de uma região pode ser localizada medindo a diferença
dos valores dos níveis de cinzento entre os pontos vizinhos.
45
Valor Limiar
O Valor Limiar, ou Thresholding, é um método para converter uma imagem em escala de cinzento
numa imagem binária para que os objectos de interesse sejam separados do fundo (background).
Para tal, é necessário que os objectos e o fundo possuam diferentes contrastes e que seja conhecida
a intensidade dos níveis de cinzento dos objectos ou do fundo. O valor limiar é determinado pelas
características da intensidade. Formalmente, pode-se escrever que para uma imagem binária 𝐵[𝑖, 𝑗]
é o mesmo que uma imagem cinzenta limiar 𝐹𝑇[𝑖, 𝑗], obtida usando o valor limiar 𝑇𝐿 para a imagem
cinzenta original 𝐹[𝑖, 𝑗] [12].
𝐵[𝑖, 𝑗] = 𝐹𝑇[𝑖, 𝑗] (2.26)
No caso de se verificar a situação onde um objecto escuro se encontra num fundo claro, então:
𝐹𝑇[𝑖, 𝑗] = {
1 𝑠𝑒 𝐹[𝑖, 𝑗] ≤ 𝑇𝐿
0 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜 (2.27)
Na situação em que seja conhecido o intervalo, [𝑇𝐿1, 𝑇𝐿2], onde os valores de intensidade dos
objectos se enquadram, então a expressão usada será a (2.28).
𝐹𝑇[𝑖, 𝑗] = {
1 𝑠𝑒 𝑇𝐿1 ≤ 𝐹[𝑖, 𝑗] ≤ 𝑇2
0 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜 (2.28)
Se os níveis de intensidade para um objecto pertencerem a vários intervalos separados, um esquema
como o apresentado em (2.29) será utilizado, sendo 𝑍 um conjunto de valores de intensidade para os
componentes do objecto.
𝐹𝑇[𝑖, 𝑗] = {
1 𝑠𝑒 𝐹[𝑖, 𝑗] ∈ 𝑍0 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜
(2.29)
A Figura 2.34 mostra os resultados usando diferentes valores limiares, onde a figura de topo é a
imagem cinzenta original, e as restantes são imagens binárias obtidas.
46
Valor Limiar Automático
O valor limiar deve ser seleccionado de forma automática pelo sistema, a partir do conhecimento das
características de intensidade do objecto, do tamanho dos objectos das fracções de uma imagem
ocupadas por objectos, e o número de diferentes tipos de objectos numa imagem. Quando é
utilizada esta informação, e seleccionado o valor limiar adequado para cada imagem, sem existir
qualquer intervenção do utilizador, então chama-se Valor Limiar Automático. Alguns métodos
utilizados em esquemas de valor limiar automático são o Método Telha, Método Mode, a Selecção
Iterativa de Valor Limiar, o Valor Limiar Adaptativo, o Valor Limiar Variável, o Valor Limiar Duplo,
entre outros [12].
Figura 2.34 – Imagem Cinzenta Original e as Imagens Binárias resultantes Usando Diferentes Valores Limiares (retirado de [12])
47
3. Structure from Motion
3.1. Introdução
No capítulo anterior foram mencionados os vários métodos de aquisição de dados usados na
engenharia inversa, baseados em diferentes abordagens. No entanto, é necessário fazer referência a
mais um método que se enquadra dentro dos métodos ópticos. O método em questão é conhecido
por Structure from Motion, ou por vezes noutras bibliografias como Surface from Motion.
O princípio do método Structure from Motion consiste em obter informação acerca da geometria
tridimensional de um objecto a partir de imagens a duas dimensões. Para tal, é necessário
determinar pontos de interesse (pontos-chave) nas imagens e correspondê-los entre duas ou mais
imagens. Estes pontos de interesse detectados são normalmente pontos pertencentes a diferentes
padrões de superfície, linhas ao longo de arestas ou curvas de contorno, arestas salientes ou cantos
de superfícies.
As localizações destas características bidimensionais estão dependentes das coordenadas
tridimensionais, do movimento tridimensional relativo entre a câmara e o objecto, e também pela
geometria interna da câmara. As imagens são capturadas assumindo que o objecto de interesse se
move rigidamente, ou de forma equivalente, que a câmara (ou câmaras) se move(m) em redor do
objecto fixo.
48
3.2. Origens do Método
As técnicas Structure from Motion são hoje em dia aplicadas em várias áreas, e embora se possa
pensar que o método Structure from Motion seja apenas utilizado nas décadas mais recentes, as suas
origens centram-se essencialmente em dois campos principais, a fotogrametria e a visão
computacional, com aplicações que datam de anos anteriores.
A ciência de fazer medições a partir de fotografias, com o fim de extrair formas e posições exactas de
pontos superficiais, é definida como fotogrametria. Os primeiros passos nesta ciência foram dados na
década de 1840, onde se realizaram estudos para estimar a forma do terreno utilizando fotografias
terrestres e aéreas. As coordenadas correctas da estrutura e das elevações do terreno foram
calculadas graças ao movimento estimado a partir das fotografias capturadas. O aparecimento da
aviação e da fotografia espacial impulsionaram o desenvolvimento desta área.
Num artigo de 1976, os cientistas Morr e Pogio conseguiram obter a extracção de superfícies
tridimensionais de duas imagens de forma automática. Usando um algoritmo que estabelece as
correspondências entre as duas imagens, procurando pontos chaves presentes em ambas as
fotografias, e recuperando as distâncias tridimensionais. Os vários desafios e avanços nos dois
campos levaram à evolução e formalização da teoria Structure from Motion [23].
3.3. Modelo de Projecção de Perspectiva
Um ponto no plano euclidiano é representado por coordenadas euclidianas e expresso na forma
[𝑥, 𝑦]. O plano projectivo é obtido a partir do plano euclidiano, acrescentando para cada direcção
uma recta no infinito (recta imprópria) que contém todos os pontos no infinito (pontos impróprios),
e um ponto pertencente a este plano é representado por coordenadas homogéneas [𝑋, 𝑌, 𝑊], com
𝑊 sendo sempre um número real diferente de zero (pois quando 𝑊 é igual a zero o ponto é
representado no infinito). Pontos na forma de coordenadas homogéneas têm a particularidade de
quando multiplicados por um factor comum diferentes de zero, resultarem num novo conjunto de
coordenadas do mesmo ponto, ou seja, o resultado não alterará o seu significado.
49
As coordenadas euclidianas e homogéneas podem-se relacionar dividindo os primeiros elementos
das coordenadas homogéneas pelo seu último, obtendo o ponto equivalente em coordenadas
euclidianas. Por exemplo, o ponto [3, 4] expresso em coordenadas euclidianas pode ser
representado em coordenadas homogéneas como [3, 4, 1] ou [6, 8, 2]. Dividindo os primeiros
elementos, (3) (4) e (6) (8), pelos últimos (1) e (2) respectivamente, obtém-se exactamente o
ponto [3, 4]. O mesmo raciocínio também é válido para pontos no espaço tridimensional.
Formalizando assim, para um ponto numa dimensão espacial 𝑁 e expresso por um vector com (𝑁 +
1) elementos em coordenadas homogéneas, as suas coordenadas euclidianas equivalentes podem
ser obtidas dividindo os primeiros 𝑁 elementos pelo elemento (𝑁 + 1) [24].
As técnicas Structure from Motion podem ser definidas como um problema linear ou não linear.
Apesar das abordagens lineares poderem ser solucionadas através de métodos matemáticos
directos, as abordagens não lineares permitem obter uma boa precisão e flexibilidade numérica mas
requerem uma optimização iterativa para encontrar soluções. A maioria das técnicas apresenta um
modelo de projecção como o ilustrado na Figura 3.1.
Figura 3.1 - Modelo de Projecção (adaptado de [24])
50
A figura apresenta um sistema de coordenadas globais definidos por 𝑋𝐺𝑌𝐺𝑍𝐺 e de centro 𝑂, e
também um sistema de coordenadas pertencentes à câmara, apresentado como 𝑋𝑌𝑍 e de centro 𝐶
normalmente referido como centro de projecção. O centro de projecção encontra-se a uma distância
𝑓 (distância focal) do plano de imagem 𝐼, medida ao longo do eixo óptico (ou principal)
tradicionalmente alinhado com o eixo 𝑍. A projecção do ponto de centro de projecção no plano de
imagem 𝐼 ao longo do eixo óptico é chamado ponto principal.
Seja 𝑄 um ponto tridimensional com as coordenadas euclidianas [𝑋, 𝑌, 𝑍], e as coordenadas
homogéneas [𝑋, 𝑌, 𝑍], ambas obtidas pelo sistema de coordenadas da câmara. Pelo sistema de
coordenadas global, o mesmo ponto homogéneo é expresso por [𝑋𝐺𝑌𝐺𝑍𝐺]. De forma a relacionar
estas duas coordenadas representadas em sistemas diferentes, é necessário realizar uma
transformação usando os parâmetros extrínsecos da câmara e a sua posição descrita.
Seja 𝑹 a matriz 3x3 que representa a orientação da câmara e 𝑻 um vector tridimensional que
representa a posição do ponto de origem 𝑂 do sistema de coordenadas global no sistema de
coordenadas da câmara, ou seja, a rotação e a translação respectivamente. A transformação pode
ser escrita como:
[
𝑋𝑌𝑍1
] = [𝑹 𝑻0 1
] [
𝑋𝐺
𝑌𝐺
𝑍𝐺
1
] (3.1)
Feita a transformação acima, é necessário realizar uma outra operação que transforme os pontos
tridimensionais do sistema de coordenadas da câmara para pontos bidimensionais no plano de
imagens da câmara, o mesmo que converte 𝑄 = [𝑋, 𝑌, 𝑍, 1] em 𝑞 = [𝑥, 𝑦, 1]. Recorrendo à
semelhança de triângulos, e com o auxílio da Figura 3.2, e sendo 𝑞 ≡ 𝐷, para os triângulos
apresentados tem-se respectivamente:
𝐴𝐷
𝐵𝑄=
𝐴𝐶
𝐵𝐶 (=)
𝑥
𝑋=
𝑓
𝑍 (=) 𝑥 = 𝑓
𝑋
𝑍 (3.2)
𝐴𝐷
𝐵𝑄=
𝐴𝐶
𝐵𝐶 (=)
𝑦
𝑌=
𝑓
𝑍 (=) 𝑦 = 𝑓
𝑌
𝑍 (3.3)
51
Figura 3.2 – Semelhança de Triângulos
Como dito anteriormente, em coordenadas homogéneas multiplicadas por um factor comum,
diferente de zero, têm o mesmo significado. Assim, como o valor de 𝑓 corresponde simplesmente a
escalar a imagem, pode-se definir 𝑓 = 1 como mostrado na equação (3.4), pois o ponto 𝑞 é definido
à escala, sendo independente da magnitude de 𝑄, ou seja, depende apenas da direcção dos pontos
tridimensionais relativamente à câmara e não o quão longe se encontra desta [24].
[𝑥𝑦1
] = [1 0 0 00 1 0 00 0 1 0
] [
𝑋𝑌𝑍1
] (3.4)
A última transformação relaciona os pontos bidimensionais no plano de imagem da câmara com os
pixéis de coordenadas [𝑢, 𝑣, 1]. Seja 𝑲 uma matriz de forma triangular superior, que funciona como
uma matriz de calibração da câmara, apresentada na forma da equação (3.5), onde os seus
elementos são os parâmetros intrínsecos da câmara. Sendo 𝛼𝑢 e 𝛼𝑣 factores de escala, 𝑠 o
enviesamento e as coordenadas 𝑢0 e 𝑣0 do ponto principal. É comum assumir que os pixéis são
quadrados, implicando que 𝛼𝑢 = 𝛼𝑣 = 𝛼 e 𝑠 = 0, e este valor de 𝛼 pode ser considerado a distância
focal da lente expressa em unidades de dimensão pixel.
𝑲 = [𝛼𝑢 𝑠 𝑢0
0 𝛼𝑣 𝑣0
0 0 1] (3.5)
𝑤 = 𝑲𝑞 (3.6)
52
Sendo 𝑷 a matriz 3x4 de projecção, obtida pela expressão (3.7), é conveniente combinar as equações
obtidas anteriormente numa equação linear (3.8), que relaciona um ponto tridimensional com a
posição 𝑤 = [𝑢, 𝑣] dos pixéis em coordenadas bidimensionais.
𝑷 = 𝑲 [𝑹𝑻] (3.7)
𝒘 = 𝑷 𝑸 (3.8)
3.4. Distorção Radial
Quando se verifica a situação de pontos de imagem se encontrarem deslocados da posição
antecipada pelo modelo de projecção ideal, está-se perante um fenómeno chamado distorção de
lente. A forma mais usual desta distorção é a distorção radial, onde, como o nome indica, os pontos
são deslocados numa direcção radial a partir do centro de distorção.
Assumindo que o centro de distorção é o ponto principal, é possível corrigir a distorção radial pelas
expressões [24] seguintes:
𝑥 = 𝑥 ( 1 − 𝐿(𝑟) ) (3.9)
𝑦 = �̂� ( 1 − 𝐿(𝑟) ) (3.10)
Nas expressões acima, [𝑥, ŷ] é a correcção do ponto [𝑥, 𝑦], com o valor 𝑟 sendo conseguido pela
equação (3.11), e 𝐿(𝑟) trata-se da função de distorção com os coeficientes de distorção radial, 𝑘1 e
𝑘2, sendo valores dos parâmetros intrínsecos da câmara.
𝑟2 = 𝑥2 + 𝑦2 (3.11)
𝐿(𝑟) ≈ 𝑘1𝑟2 + 𝑘2𝑟4 (3.12)
53
3.5. Correspondência
A correspondência de pontos é o processo de identificar pontos em duas ou mais imagens que são
projecções do mesmo ponto no espaço. No entanto, devido à complexibilidade combinatória
necessária, normalmente não é possível comparar todos os pixéis de uma imagem com todos os
outros nas restantes imagens, além que nem todos os pontos são adequados o suficiente para o
processo de correspondência.
Para contornar esta situação, o processo de correspondência detecta nas imagens, pontos de
interesse (ou pontos chave). Estes pontos são detectados pelos valores máximos obtidos pela função
de autocorrelação da imagem, e os seus pontos vizinhos possuem uma grande variação de
intensidade luminosa, fazendo com que sejam facilmente diferenciados. Existem duas categorias
para classificar as técnicas de correspondência: Narrow Baseline Matching e Wide Baseline Matching.
Narrow Baseline Matching
Assumindo que as alterações de posição e rotação da câmara são consideradas pequenas, então as
zonas vizinhas aos pontos de interesse serão similares em duas imagens próximas. Centradas nos
pontos de interesse são formadas janelas rectangulares que caracterizam a intensidade luminosa dos
pixéis vizinhos, e as intensidades são comparadas pela correlação cruzada normalizada ou pelo erro
quadrático médio. Para imagens pouco espaçadas, ou seja, retiradas muito próximas da mesma
posição e com rotação semelhante, as coordenadas medidas em profundidade são bastante
ruidosas.
Wide Baseline Matching
Um algoritmo de termo “wide baseline” assume [25] o seguinte:
Para qualquer ponto, o seu correspondente pode estar posicionado em qualquer local noutra
imagem;
Os pontos vizinhos e os pontos de interesse podem apresentar semelhanças, mas como os
mesmos foram transformados pelo movimento da câmara, não é possível comparar os
pontos vizinhos uns com os outros;
A câmara pode movimentar-se livremente, mas as duas imagens têm de conter os mesmos
objectos vistos do mesmo lado;
A distância focal e os restantes paramentos internos da câmara podem mudar entre as
imagens;
Os objectos que são visíveis numa imagem podem ser ocultados noutra imagem.
54
Deste modo, superfícies em duas imagens podem apresentar mudanças significativas de escala,
diferentes padrões de oclusão e grandes disparidades nas suas localizações. Factores que tornam
extremamente difícil de determinar as correspondências correctas. As diferentes técnicas desta
categoria recorrem a várias soluções para resolver estes problemas, como por exemplo, utilizando
invariantes rotacionais, enquadramento de diferentes escalas, localização de planos variantes,
refinação da forma de regiões de interesse, entre outras.
3.6. Geometria em Duas Imagens
Seja dado um ponto tridimensional 𝑄 com projecções 𝑞 e 𝑞’ em dois planos de imagem, tal como
ilustrado na Figura 3.3. E sejam os pontos 𝐶 e 𝐶’ os centros dos sistemas de coordenadas das
câmaras com os planos de imagem 𝐼 e 𝐼’ respectivamente. É chamada linha epipolar à linha 𝑝’ que
restringe a projecção do ponto 𝑄 na imagem 𝐼’, podendo esta linha ser vista como a recta que
intercepta o centro óptico 𝐶 e o ponto 𝑞 na imagem 𝐼. De forma equivalente, é possível afirmar que
𝑝’ é a intercepção do plano gerado pelos pontos 𝐶, 𝐶’ e 𝑞 com o plano de imagem 𝐼’. Todas as linhas
epipolares contidas num plano possuem como ponto comum a projecção do centro óptico do plano
diferente, chamados pontos epipolares, 𝑒 e 𝑒’, para as imagens 𝐼 e 𝐼’ respectivamente.
Figura 3.3 - Modelo de Projecção com Duas Imagens (adaptado de [24])
55
Dado então as coordenadas euclidianas do ponto 𝑄′ no sistema de coordenadas de centro 𝐶’, como o
auxílio da equação (3.1), pode-se escrever que as coordenadas têm como projecção 𝑄 no sistema de
centro 𝐶 pela expressão:
𝑄 = 𝑹𝑄′ + 𝑻 (3.13)
O constrangimento epipolar pode ser escrito algebricamente, utilizando uma matriz essencial 𝑬 3x3
que relaciona os pontos correspondentes nas duas imagens, e dada pela equação (3.14), onde a
matriz de translação possui a forma da expressão (3.15).
𝑬 = [𝑻]×𝑹 (3.14)
[𝑻]× = [
0 −𝑡𝑧 𝑡𝑦
𝑡𝑧 0 −𝑡𝑥
−𝑡𝑦 𝑡𝑥 0] (3.15)
Assim, é possível escrever a equação (3.16), e retirar a equação do constrangimento epipolar (3.17):
𝑄𝑇[𝑻]× 𝑹 𝑄′ = 𝑄𝑇𝑬 𝑄′ = 0 (3.16)
𝑞𝑇𝑬 𝑞′ = 0 (3.17)
Recorrendo à equação (3.6) e usando uma matriz inversa da calibração da câmara, 𝑲−𝟏, os pontos
𝑞 podem ser relacionados com as posições 𝑤 dos pixéis, como demonstrado na equação abaixo:
𝑞 = 𝑲−𝟏 𝒘 (3.18)
Reescrevendo o constrangimento epipolar da expressão (3.17) nos termos das posições dos pixéis,
tem-se:
(𝑲−1 𝒘)𝑇𝑬(𝑲′−1 𝒘′) = 0
𝑤𝑇(𝑲−1𝑇𝑬 𝑲′−1) 𝑤′ = 0
𝑤𝑇𝑭 𝑤′ = 0
(3.19)
56
Onde a matriz fundamental, 𝑭, é a expressão (3.20). A matriz 𝑭 pode ser estimada linearmente,
dados oito ou mais pontos correspondentes, e depende da posição relativa e da orientação do par
das vistas. Decompondo a matriz fundamental é possível recuperar a movimentação da câmara e as
suas matrizes de projecção. Conhecendo os valores das matrizes de calibração da câmara, 𝑲 e 𝑲′, a
matriz fundamental recuperada é transformada numa matriz essencial (3.21).
𝑭 = 𝑲−1𝑇 𝑬 𝑲′−1 (3.20)
𝑬 = 𝑲′𝑇𝑬 𝑲 (3.21)
Decompondo a matriz acima em duas matrizes correspondentes à translação e à rotação entre
vistas, o resultado será a expressão (3.22).
𝑬 = [𝑻]× 𝑹 (3.22)
3.7. Triangulação
A Triangulação é a computação de pontos tridimensionais a partir das suas posições nas imagens
medidas em duas ou mais vistas, dadas as matrizes de projecção. Seja um ponto tridimensional 𝑄
como o da Figura 3.4, o mesmo pode ser computado a partir das posições medidas dos pixéis (𝑤1,
𝑤2, …) em duas ou mais vistas (𝐶1 e 𝐶2). Teoricamente, os pontos deviam estar situados no ponto de
intersecção da recta de projecção com o plano, mas devido ao ruído presente, os pontos não se
encontram nessa intersecção. Deste modo, a escolha de pontos tridimensionais deve ser realizada de
forma a minimizar o erro métrico. Dada a expressão (3.23), onde é minimizada a soma dos erros
quadrados entre a posição medida e a posição predita de um ponto tridimensional em todas as vistas
onde é visível, sendo as posições medidas e preditas da vista 𝑖, respectivamente 𝑤𝑖 e �̂�𝑖. [24]
𝑄 = 𝑎𝑟𝑔 𝑚𝑖𝑛
𝑄∑‖𝑤𝑖 − �̂�𝑖(𝑃𝑖, 𝑄)‖2
𝑖
(3.23)
57
Devido a 𝑤𝑖 e 𝑃𝑖𝑄 serem paralelas, é possível escrever uma equação a partir da expressão (3.8), e
como cada linha pode ser expressa como uma combinação linear das outras duas, a equação terá
três linhas mas apenas duas restrições. A equação referida será então:
[𝑤𝑖]×𝑃𝑖𝑄 = 0 (3.24)
As restrições podem ser rearranjadas numa equação matricial (3.25), sendo 𝑨 uma matriz 3𝑛x3, com
𝑛 a ser o número de vistas nas quais o ponto reconstruído é visível.
𝑨 𝑄 = 0 (3.25)
Figura 3.4 – Modelo da Triangulação (imagem adaptada de [24])
58
3.8. Múltiplas Vistas
Chamam-se métodos sequenciais quando se recorre a algoritmos sequenciais que registam várias
vistas, uma de cada vez, para a reconstrução de pontos tridimensionais. À medida que cada vista é
adicionada, pontos que sejam visíveis em duas ou mais vistas são reconstruídos por Triangulação, e a
reconstrução é expandida parcialmente. A Figura 3.5 ilustra um objecto com 6 vistas, que são
registadas uma a uma por computação das matrizes essenciais (𝐸12, 𝐸23, 𝐸34, 𝐸45 e 𝐸56)
relacionando cada uma com a sua precedente. Para determinar a orientação relativa e a direcção da
translação, as matrizes essenciais são decompostas, e a magnitude da translação é determinada
através das correspondências de três dimensões para duas dimensões. Os métodos de factorização
são métodos que usando todas as medições das imagens simultaneamente, computorização as
posições da câmara e a geometria do objecto. Este método tem como vantagem os erros da
reconstrução poderem ser distribuídos de forma significativa por todas as medições, permitindo que
sejam evitados erros grosseiros associados ao fecho da sequência. Geralmente, os métodos
sequenciais são mais usados em relação aos métodos de factorização.
Figura 3.5 - Método Sequencial (imagem adaptada de [24])
59
3.9. Bundle Adjustment
Em traços gerais, a etapa final serve para refinar a estrutura e os parâmetros de movimento.
Matematicamente, o seu intuito é determinar uma estimativa óptima de um conjunto de parâmetros
𝜀, sendo dado um conjunto de observações com ruído. Como a maioria dos parâmetros não podem
ser directamente observados, como coordenadas tridimensionais ou projecções de matrizes, é
necessário fazer uma predição das quantidades que podem ser directamente observadas, tais como
os pixéis medidos pertencentes às coordenadas dos pontos tridimensionais das imagens.
Sejam o conjunto de predição 𝑝(𝜀) e o seu conjunto de observações correspondente �̅�, então o erro
residual de predição será dado pela equação (3.26). O vector de observação �̅� pode ser repartido
num conjunto de medições estatisticamente independentes com predições associadas [24].
∆𝑝 = �̅� − 𝑝(𝜀) (3.26)
O processo presente na etapa Bundle Adjustment tem como objectivo minimizar uma função de
custo apropriada, onde para uma predição por máxima semelhança, a função custo deve reflectir a
verosimilhança do erro residual da predição. Assumindo uma distribuição Gaussiana das medições do
ruído, a função de custo apropriada é a soma dos erros quadrados, como apresentado na expressão
(3.27), onde ∆𝑝𝑖(𝜀) é a característica do erro de predição e 𝑤𝑖 a matriz simétrica positiva usada para
aproximar a covariância do ruído associado à medição.
𝑓(𝜀) =
1
2∑ ∆𝑝𝑖(𝜀)𝑇 𝑤𝑖 ∆𝑝𝑖
𝑖
(𝜀) (3.27)
60
61
4. Procedimento de Utilização dos Programas
Computacionais de Reconstrução de Modelos 3D Utilizados
4.1. Introdução
Neste capítulo é feita a introdução aos procedimentos de utilização dos dois programas
computacionais utilizados para a reconstrução dos modelos tridimensionais das peças reais. Quer o
Agisoft PhotoScan (www.agisoft.com) quer o Regard3D (www.regard3d.org) são baseados no
princípio apresentado no capítulo anterior, Structure from Motion, e o seu uso não implica nenhum
investimento monetário (no caso do PhotoScan apenas por período limitado). São dois programas
distintos em termos de resultado final, pois o Regard3D, também por não ser uma ferramenta
profissional, tem mais limitações em termos da qualidade do modelo final, da exigência de
processamento e, consequentemente a nível de tempos de execução. A interface tem algumas
similaridades entre os dois, com as distintas fases a serem a identificação dos pontos-chave e
triangulação para a formação de uma nuvem de pontos pouco densa, seguido de uma fase de
adensamento da mesma nuvem, finalizando com a construção da superfície final.
Outros programas como o Meshmixer (meshmixer.com) e o Netfabb (www.netfabb.com), ambos de
livre acesso, complementam o processo da obtenção do modelo final e análise do mesmo, tornando
a reparação de malhas e conversão para sólido um procedimento rápido e eficaz, e de uma fácil
manipulação e inspecção dos modelos finais, permitindo que as medições efectuadas tenham o
mínimo de incertezas possível.
62
4.2. Agisoft PhotoScan
O Agisoft PhotoScan é um software de processamento fotogrametrico de imagens digitais e criação
de dados tridimensionais. A versão utilizada neste estudo foi a 1.2.4 (64 bits), na modalidade de teste
grátis de 30 dias, que confere todas as opções disponíveis na versão Professional Edition durante
esse período de tempo. Este software é direccionado para várias áreas e como tal possui imensas
ferramentas que não serão usadas, ou mencionadas, neste estudo.
Abaixo encontra-se representado o diagrama de processos necessários de executar para a obtenção
de um modelo tridimensional de uma peça real. A etapa de Detecção de Marcadores nas Fotografias
pode não ser requerida na maioria das peças; no entanto, em peças com poucas saliências e
cavidades na sua superfície, a juntar a uma espessura consideravelmente baixa, torna-se uma etapa
extremamente necessária para que o resultado do modelo final corresponda o mais fielmente
possível à realidade.
Figura 4.1 – Diagrama de Processos do PhotoScan
63
4.2.1. Procedimento de Utilização
O primeiro passo na criação de um novo projecto é a adição das fotografias do objecto, que poderão
ser introduzidas no software através da barra superior, mais concretamente no separador Fluxo de
Trabalho, seguido de Adicionar Fotos… onde se seleccionam as fotografias desejadas (Figura 4.2). Se
as janelas estiverem configuradas por defeito, um botão de atalho com o mesmo símbolo estará
localizado junto à árvore do projecto.
Figura 4.2 – PhotoScan: Fluxo de Trabalho e Selecção de Fotografias
Adicionadas as fotografias, na árvore de projecto aparece um número relativo a grupo e outro
relativo a câmaras, tal como ilustrado na Figura 4.3. O número de câmaras é na verdade o número
de fotografias que foram introduzidas, e todas tiradas por a mesma câmara, mas por defeito o
programa assume, em termos de nomenclatura, que cada fotografia foi tirada por uma máquina
diferente. O número de grupos não será relevante para este estudo, visto que o objectivo é obter o
modelo tridimensional da peça real, e como tal todas as fotografias introduzidas terão interesse em
serem trabalhadas em conjunto.
Figura 4.3 – PhotoScan: Estado das Fotografias na Árvore de Projecto
64
À frente do nome de cada fotografia, encontram-se duas siglas, NC e NA, que significam,
respectivamente, Não Calibrada e Não Alinhada. Se os parâmetros associados à fotografia não são
suficientes para estimar a distância focal, então o software assume que a fotografia foi tirada com
uma lente de 50 mm, e as siglas NC estarão presentes até à introdução do valor da distância focal de
forma manual. No entanto esse passo não é requerido para a obtenção do modelo final. As siglas NA
apenas desaparecerão quando for executada a seguinte etapa, o Alinhamento.
Figura 4.4 – PhotoScan: Marcadores do Programa
Em algumas situações pode ser necessário recorrer a marcadores para conseguir que o número de
fotografias rejeitadas não seja demasiado elevado, o que resultaria num modelo final muito
incompleto. O próprio software possui uma opção em que é possível imprimir marcadores (Figura
4.4) que podem ser detectados de forma automática. No separador Ferramentas, seleccionando a
opção Marcadores, seguido de Print Markers… pode-se escolher vários marcadores, desde o seu tipo
(12, 16 e 20 bits) ao seu tamanho. Ainda no mesmo separador existe a opção Detect Markers… que
de forma automática detecta os marcadores, como demonstrado na Figura 4.5. No caso de se optar
por não utilizar os marcadores do software, e for necessário a utilização de marcadores, é possível
adicionar marcadores não físicos, i.e., marcadores apenas nas fotografias, bastando para tal
seleccionar a fotografia desejada na árvore de projecto, e sob a imagem carregar no local desejado
com o botão do lado direito do rato e escolher a opção Criar Marcador.
65
Figura 4.5 – PhotoScan: Identificação de Marcadores numa Fotografia de um Provete de Tracção Metálico, com uma Espessura de 2.46 mm
Os marcadores podem tornar-se bastante úteis em situações em que o programa não consegue
alinhar as fotografias, pois não encontra pontos-chave comuns. Também se torna mais eficiente, no
caso de se recorrer a marcadores físicos, que se use os marcadores do próprio PhotoScan. Na Figura
4.5 a peça em questão foi marcada com vários marcadores diferentes antes da utilização dos
marcadores do software, e não foi possível obter o modelo final, pois a nuvem de pontos continha
poucos pontos. Recorrendo aos marcadores do programa, facilmente se obtém uma nuvem de
pontos com bastantes pontos suficientes para a construção do modelo final da peça, e em quase
todos a detecção dos marcadores foi automática, e aqueles que por alguma razão não o foram
(devido, por exemplo, a estarem colocados em zonas da peça, que em algumas fotos, não estavam
focadas), foram identificados manualmente com a ferramenta de criação de marcadores.
Figura 4.6 – PhotoScan: Ferramentas Para a Selecção da Máscara
66
Importante para a obtenção de um modelo final a 360°, e com quase nenhum ruído, é a criação de
uma máscara para cada fotografia, delimitando a peça do fundo ou cenário que se encontra, i.e.,
uma imagem que contém apenas a peça e não possui nenhum fundo. Seleccionando uma fotografia
da árvore de projecto, e abrindo o separador Foto na barra de ferramentas, ou através de um dos
botões de atalho, existem quatro opções (Figura 4.6) para criar uma máscara: Selecção Rectangular,
Tesoura Inteligente, Pintura Inteligente e Varinha Mágica. Estas ferramentas são extremamente
úteis, e se não forem criadas máscaras para as fotografias, então o PhotoScan comporta-se tal como
o outro software utilizado neste estudo, o Regard3D, e os modelos finais obtidos representariam
apenas a peça real a 180°. Apesar de este ser um processo bastante moroso, é crucial para que o
modelo final seja completo.
Figura 4.7 – PhotoScan: Parâmetros do Alinhamento
A etapa seguinte é o Alinhamento, que se pode executar através do separador Fluxo de Trabalho em
Alinhar Fotos…, apresentando vários parâmetros de selecção como mostra a Figura 4.7. Nos
parâmetros gerais existe a Precisão com cinco níveis (Muito Baixa, Baixa, Média, Elevada e Highest)
que estima a posição de onde as fotografias foram tiradas, sendo que quanto maior a precisão mais
moroso é o processo, e a Pré-Selecção de Pares que selecciona subconjuntos de fotografias para
encontrar correspondências, com a opção Generic onde os pares de fotografias são seleccionados
primeiro com uma precisão baixa, a opção Reference onde os pares de fotografias são seleccionadas
usando as localizações das fotografias medidas (se esta informação estiver presente), e a opção
Desactivada. Já nas opções avançadas é possível determinar o número limite de pontos-chave e
pontos-nó, bem como a opção de Restringir Características Considerando as Máscaras das
fotografias.
67
No caso dos pontos-chave, se o seu limite for definido com o valor zero, tal como na Figura 4.7, o
mesmo corresponde ao valor máximo de pontos-chave possíveis e não a um valor nulo. [26] Após a
confirmação destes parâmetros, é executado o processo de alinhamento, e o número de fotografias
que foram alinhadas com sucesso pode ser conferido na árvore de projecto. O tempo de
processamento está dependente do número de fotografias e do seu tamanho, mas também
dependente dos parâmetros seleccionados, e em regra geral, parâmetros com precisões elevadas e
número de limites de pontos-chave e pontos-nó elevados resultam num processo mais moroso. Na
janela intitulada Modelo consegue-se visualizar as posições das fotografias alinhadas e a nuvem de
pontos do objecto, como ilustrado na Figura 4.8.
Figura 4.8 – PhotoScan: Nuvem de Pontos Obtida e a Posição das Fotografias
Posteriormente à etapa de Alinhamento, pode-se tentar obter logo o modelo final a partir da nuvem
de pontos obtida. No entanto, para melhores resultados convém “adensar” primeiro a nuvem. Para
tal, basta abrir de novo o separador Fluxo de Trabalho e seleccionar Build Dense Cloud… onde é
necessário seleccionar alguns parâmetros, à imagem do que se sucede na fase de Alinhamento, com
parâmetros gerais e avançados (Figura 4.9). Antes da execução deste comando é aconselhado
redimensionar a bounding box (caixa delimitadora) que envolve a nuvem de pontos, visível na Figura
4.8, podendo excluir alguns pontos pertencentes à nuvem que não possuem interesse. Em relação
aos parâmetros de definição, o parâmetro referente à Qualidade, com cinco níveis (Muito Baixa,
Baixa, Média, Elevada e Ultra Elevada), especifica o detalhe e a precisão da reconstrução da nuvem
de pontos densificada. Em termos da Filtragem de Profundidade (Depth Filtering), que calcula os
mapas de profundidade para todas as imagens, existe o modo Mild aconselhado quando estão
presentes pequenos detalhes mas de importância para o modelo final, o modo Agressive quando os
pequenos detalhes não são de grande importância, e o modo Moderate que é o nível intermédio
entre os modos anteriores, bem como a opção Disable apenas aconselhado quando as nuvens não
contêm muito ruído. A nuvem de pontos densa obtida pode ser exportada em vários formatos,
incluindo .obj e .ply.
68
Figura 4.9 – PhotoScan: Parâmetros de Construção da Nuvem de Pontos Densa
Tendo a nuvem de pontos, densa ou não, o último passo é a construção do modelo tridimensional da
peça real. Usando o comando Construir Modelo… que se encontra, mais uma vez, no separador Fluxo
de Trabalho, é feita uma curta análise, de escassos segundos, antes de aparecer a janela com os
parâmetros de selecção, tal como mostrado na Figura 4.10. O primeiro parâmetro geral, o Tipo de
Superfície, com o modo Arbitrário adequado para qualquer tipo de objecto fechado, e com o modo
Mapa de Alturas/Terreno que tal como o nome enuncia é direccionado para superfícies planas, tais
como terrenos; o segundo parâmetro Source Data, onde se pode seleccionar a origem dos dados, ou
seja, se a reconstrução do modelo é feita a partir da nuvem dispersa ou da nuvem densa; o terceiro,
e último parâmetro geral, Face Count estima a quantidade máxima de faces com que o modelo final
ficará, tendo como opções Baixa, Média, Elevada e Custom, esta última permitindo indicar
exactamente o número de faces que se deseja. Nos parâmetros avançados, pode-se seleccionar o
modo de Interpolação, que no caso do modo escolhido for Enabled, o programa irá interpolar as
superfícies que se encontrem dentro de um círculo com raio determinado e centrado em cada ponto
da nuvem de pontos densa. Se este parâmetro for desactivado, então apenas as áreas
correspondentes aos pontos da nuvem de pontos densa serão reconstruídas. No caso de a opção
escolhida for a Extrapolação, então o programa irá gerar um modelo sem buracos mas com a sua
geometria extrapolada, levando grandes áreas de superfície a serem adicionadas ao modelo final,
sem que no entanto correspondam à peça real. Existe ainda a opção de seleccionar determinadas
classes de pontos, sendo necessário identificar previamente esses mesmos pontos, sendo esta opção
apenas direccionada para modelos tridimensionais de terrenos [26].
69
Figura 4.10 – PhotoScan: Parâmetros de Construção do Modelo
Confirmando os vários parâmetros, é obtido o modelo final, como o presente na Figura 4.11. Este
modelo pode ser exportada em vários formatos, tais como os mais usados, obj, .stl, .ply, etc., e pode
ser modificado a partir das ferramentas do programa, como tapar alguns buracos presentes devido a
falta de informação, suavizar a superfície, reduzir o número de faces ou alterar a cor do modelo. No
entanto neste estudo foi preferido utilizar outros softwares adicionais para o tratamento dos
modelos, principalmente devido à capacidade de processamento exigida, e justificada essa decisão
mais à frente neste trabalho.
Figura 4.11 – PhotoScan: Modelo Tridimensional Obtido com a Configuração Máx/4000 e Precisões Médias para Todas as Etapas, e já Transformada em Sólido
70
4.3. Regard3D
O Regard3D é um programa que permite criar um modelo computacional a três dimensões de
objectos, a partir de fotografias tiradas de diferentes pontos de vista. Este software é a compilação
de vários programas (e bibliotecas) já existentes de outros autores, que o seu criador juntou e
forneceu gratuitamente no website www.regard3d.org, sendo a versão utilizada neste estudo a mais
recente à data (0.9.0).
No Regard3D as fotografias utilizadas não poderão ser modificadas previamente, pois o software
recorre à informação contida nas imagens sobre as condições de captura para executar cálculos, e ao
contrário de outros softwares semelhantes, não contém qualquer ferramenta de edição de
fotografias, nuvem de pontos ou malhas. O diagrama de processos do Regard3D encontra-se
esquematizado na Figura 4.12.
Figura 4.12 - Diagrama de Processos do Regard3D (www.regard3d.org)
71
4.3.1. Procedimento de Utilização
Aquando da criação de um novo projecto é necessário atribuir um nome e uma pasta de destino para
o ficheiro. Na árvore situada na parte esquerda do ecrã, é criado um nível intitulado Project seguido
do nome indicado para o projecto. No menu localizado no lado esquerdo, carregando no botão Add
Picture Set… é possível adicionar ou remover as fotografias desejadas e onde o modelo da câmara, a
distância focal e a largura do sensor são definidos através da metadata das fotografias. É criada uma
entrada para Picture Set precedente de uma iteração, o que no caso de ser a primeira do projecto
terá por defeito o algarismo 0, sendo que no caso de outras entradas serem criadas, estas irão
apresentar os algarismos 1,2,3… e assim sucessivamente, aplicando a mesma lógica para as várias
entradas dos diferentes níveis.
Figura 4.13 – Regard3D: Selecção de Fotografias do Projecto
Carregando em Compute Matches… é apresentada a caixa de diálogo da Figura 4.14, onde se pode
regular dois parâmetros. O primeiro, Keypoint Sensivity com quatro opções (Minimal – 0.001, Normal
– 0.0007, High – 0.0005, Ultra – 0.0001) que define a quantidade de pontos-chave que serão
gerados, e quanto menor o valor maior será a sensibilidade, implicando um maior número de
pontos-chave. O outro parâmetro, Keypoint Matching Ratio também com quatro opções (Normal –
0.6, Higher – 0.7, High – 0.8, Ultra – 0.9), define a relação necessária que determina a qualidade da
correspondência entre dois pontos similares para serem válidos.
72
Figura 4.14 – Regard3D: Parâmetros das Correspondências
É então obtido o nível Matches, e na opção Show Matching Result é apresentado o número de
correspondências para os pares de fotografias filtradas por quatro opções (No Filter, Matriz
Homográfica, Matriz Fundamental, Matriz Essencial).
Figura 4.15 - Regard3D: Resultados das Correspondências
No mesmo menu, ao seleccionar a imagem pretendida é mostrada a imagem original e activando a
opção Show Keypoints os pontos-chave detectados de cada uma das quatro opções acima referidas
são identificados na mesma imagem. A Figura 4.16 ilustra uma imagem com os pontos-chave
identificados. Como se pode observar, alguns pontos identificados pertencem à superfície onde
assenta o objecto, não sendo no entanto pontos desejadas, e assim considerados como ruído.
73
Figura 4.16 - Regard3D: Keypoints Detectados numa Imagem
Na Figura 4.17 são apresentadas as correspondências identificadas entre duas imagens, no caso
concreto para pontos pertencentes à matriz fundamental. Entre estas duas imagens apenas existem
150 correspondências, e é visível que grande parte da superfície do objecto não contém qualquer
correspondência encontrada. Para uma superfície totalmente definida, é importante que o número
de correspondências encontradas na superfície do objecto seja não só em número elevado mas
também que abranjam quase toda a sua totalidade de forma a evitar uma representação da
superfície final que contenha vários buracos por ausência de informação.
Figura 4.17 - Regard3D: Correspondências Identificadas entre duas Imagens
74
Segue-se a seguinte operação, Triangulation, onde são calculadas as localizações tridimensionais das
correspondências identificadas anteriormente, as localizações tridimensionais de onde as fotografias
foram tiradas, e os parâmetros extrínsecos da câmara como a definição de zoom e distorção entre
outros. A partir do comando Triangulation… tem-se a opção de escolha entre dois métodos,
Incremental Structure from Motion e Global Structure from Motion, presentes no menu de
parâmetros (Figura 4.18). No primeiro método é necessário seleccionar um par de imagens, usando
como critério um par que possua uma grande quantidade de correspondências e que a distância
entre as duas posições de onde as fotografias foram tiradas não seja muito curta. De forma gradual
são adicionadas outras imagens ao par inicial, determinando os parâmetros da câmara fotográfica e
as posições tridimensionais dos pontos-chave. O segundo método utiliza um algoritmo que, usando
todas as imagens num só passo, tenta encontrar os parâmetros da câmara e as posições
tridimensionais dos pontos-chave de todas as correspondências. Em comparação com o primeiro
método, é exigido um maior número de correspondências, no entanto trata-se de um método mais
rápido. Na definição de parâmetros, para a rotação e a translação existem como opção dois e três
métodos respectivamente. [27] [28] [29] [30] Existe ainda a opção de aperfeiçoar os parâmetros
intrínsecos da câmara.
Figura 4.18 - Regard3D: Parâmetros de Triangulação
75
Após serem definidos os parâmetros, a operação de triangulação é executada, e no fim é
apresentada, no caso de os parâmetros seleccionados serem válidos, uma janela como a da Figura
4.19. O dado mais importante nesta janela é o número de câmaras calibradas, ou seja os parâmetros
e as posições da câmara em relação ao objecto que foram calculadas. Os restantes dados são os
números de pontos-chave tridimensionais calculados, os erros residuais e o tempo de duração da
operação.
Figura 4.19 – Regard3D: Resultados da Triangulação
Os pontos-chave localizados e a posição das câmaras são visíveis na vista 3D (Figura 4.20). Os pontos-
chave mantêm a cor do objecto real, enquanto as posições das câmaras são sinalizadas por pontos
verdes. Os pontos-chave apresentados formam uma nuvem de pontos dispersa, e como é visível na
figura abaixo, a nuvem contém várias zonas com ausências de pontos.
Figura 4.20 - Regard3D: Triangularização dos Pontos da Superfície e das Posições da Câmara
76
Usando o comando Create Dense Point Cloud… no menu esquerdo, é apresentado o menu de
parâmetros da densificação, Figura 4.21, onde serão adicionados pontos de forma a criar uma nuvem
de pontos mais densa. Estão disponíveis dois métodos de densificação: CMVS/PMVS (Clustering
Views for Multi-View Stereo/Patch-Based Multi-View Stereo) e MVE (Multi-View Environment).
Figura 4.21 – Regard3D: Parâmetros da Densificação
Para o método CMVS/PMVS os parâmetros a definir são apresentados na Tabela 4.1. Os parâmetros
para o método MVE são apenas dois: Scale que define a escala para a reconstrução, com valores
mais baixos a traduzirem-se numa reconstrução com maior detalhe mas com um tempo de
computorização do processo mais longo do que com uma escala maior; Filter Width (largura de filtro)
que determina o tamanho de patch (remendo) usado para os cálculos, sendo que maiores valores
implicam um melhor resultado à custa do tempo de computorização.
77
Tabela 4.1 – Regard3D: Parâmetros do Método de Densificação CMVS/PMVS
Number of Threads O número de threads específica o número de CPUs ou cores do
computador.
Use Visibility
Information
Opção que executa uma verificação de visibilidade e, se necessário, divide a
operação de densificação, devendo não estar seleccionada para objectos de
pequena dimensão.
Maximum Number of
Images per Cluster
Número máximo de imagens por cluster, a menor porção lógica de espaço
em disco que por ser alocada para armazenar um arquivo, sendo que
quanto maior o número melhores resultados mas obtendo uma operação
mais demorada.
Level
O nível modifica a resolução das imagens utilizadas, com o nível definido 0 é
utilizada a resolução original, com o nível 1 as imagens terão 4 vezes menos
pixéis, com o nível 2 terão menos 16 vezes menos pixéis, e assim
sucessivamente, sendo que quanto mais alto o índice do nível mais rápido
será o processo, no entanto as reconstruções serão mais dispersas.
Cell Size
O tamanho de célula controla a densidade das reconstruções, com o
software a tentar reconstruir pelo menos um patch (remendo) em todos os
quadrados de pixel com região cell size X cell size. Aumentando este valor
implica reconstruções mais dispersas.
Threshold
Se a medida de consistência fotométrica – que varia entre mau (-1) e bom
(1) – de um patch de reconstrução for superior a este valor então o mesmo
é aceite e mantido pelo software, que repete três itereações de
reconstrução em que é reduzido 0.05 no fim de cada iteração, ou seja, para
um threshold de valor 0.50, as iterações serão 0.50, 0.45 e 0.40.
Wsize
Para cada imagem, o software retira uma amostra de cores de pixéis wsize X
wsize para computorizar a consistência fotométrica. No caso de um valor de
wsize igual a 5 ter-se-á uma amostra de 25 (5x5) cores de pixéis em cada
imagem.
Minimum Image
Number
O número mínimo de imagens onde um ponto tridimensional tem de ver
visível para ser reconstruído. No caso de imagens com fraca textura os
valores deverão ser mais elevados, no valor mais baixo (2) poderá obter-se
falsos pontos.
78
A Figura 4.22 demonstra o resultado de uma densificação, sendo nítido que existem zonas da nuvem
de pontos onde não há qualquer informação mas que os contornos estão completamente definidos.
De notar também o ruído presente no canto inferior esquerdo, que terá de ser removido por via de
outro software adicional, não estando presente no Regard3D qualquer ferramenta de edição. No
menu esquerdo existe a opção de exportar a nuvem de pontos obtida nos formatos Stanford Polygon
File (*.ply), Point Cloud Data (*.pcd) e MeshLab Project (*.mlp).
Figura 4.22 - Regard3D: Resultado da Densificação
A última etapa, a geração de superfície, é executada pelo comando Create Surface… localizado
também no menu esquerdo. Esta etapa consiste na criação de uma malha triangular que torna uma
superfície fechada, tentando ser o mais fiel possível à nuvem de pontos obtida na etapa de
densificação. É apresentada a janela da Figura 4.23, tendo dois métodos seleccionáveis, Poison
Surface Reconstruction e Floating Scale Surface Reconstruction. Se a etapa anterior for realizada
através do método CMVS/PMVS apenas a opção Poison Surface Reconstruction pode ser utilizada, no
caso de ter sido usado o método MVE é recomendado pelo autor do software a escolha do Floating
Scale Surface Reconstruction.
79
Os parâmetros do Poison Surface Reconstruction que podem ser alterados são: Depth, que
corresponde à solução de um valor numa grelha no espaço tridimensional (voxel) com uma resolução
não superior a depth8; Samples Per Node, onde a construção da superfície é adaptada à densidade da
amostragem de pontos, sendo o número mínimo de amostras limitado pelo valor definido, e quanto
mais ruído tiver a nuvem de pontos maior terá de ser o seu valor; Point Weight, valor que especifica
a importância da interpolação dos pontos de amostragem; e por último Trim Threshold que
determina o excesso de superfície criada. Para o método Floating Scale Surface Reconstruction os
quatros parâmetros a definir são: Levels que definem o nível de detalhe da malha; Scale Factor
Multiplier que correlaciona a extrapolação e a interpolação de pontos; Confidence Threshold que
permite limitar os contornos da geometria; e por fim Min. Component Size que indica o número
mínimo de vértices que um componente tem de ter para não ser removido.
Figura 4.23 – Regard3D: Parâmetros de Geração de Superfície
80
Ainda nesta mesma janela, pode-se seleccionar como método de colorização Colored Vertices com
uma cor a ser atribuída a cada aresta ou Textures que cria texturas na malha dando um maior
detalhe em termos de cor. O processo de criar texturas envolve um consumo de memória muito
superior em relação à opção de arestas coloridas, e tem quatro parâmetros seleccionáveis:
Photometric Outlier Removal que quando activo remove objectos não estáticos que aparecem
apenas em algumas fotografias; Geometric Visibility Test que quando ligado remove partes da
superfície que não são visíveis em nenhuma das fotografias; Global Seam Leveling e Local Seam
Leveling melhoram a qualidade das texturas minimizando transições severas.
Figura 4.24 – Regard3D: Resultado da Superfície Final
A malha da Figura 4.24 resultado processo de geração de superfície aplicado à nuvem de pontos
densificada da Figura 4.23. Como é facilmente perceptível, todo o contorno envolvente do objecto
está coligado a zonas que são ruído, bem como os seus dois furos que estão também quase
“preenchidos”, apesar destas zonas estarem “limpas” na nuvem de pontos densificada. Também é
visível que os pontos ruído posicionados no canto inferior direito contribuíram muito
significativamente para uma zona da malha de maior área de ruído, e demonstra bem a importância
da ausência de pontos não pertencentes à superfície que a nuvem de pontos usada para criar a
malha deve possuir. No menu esquerdo é possível exportar a malha apenas nos formatos Stanford
Polygon File (*.ply) e Alias Wavefront Object (*.obj).
81
5. Trabalho Experimental
5.1. Introdução
Usando uma máquina fotográfica digital, e recorrendo apenas à luz natural e a fundos e bases feitos
de cartolina ou plástico de cor azul, preta ou magenta, as fotografias foram tiradas de três formas:
com a peça alvo imóvel e a câmara movendo-se à volta; com a peça colocada numa superfície
giratória e a câmara em posição fixa; e com a peça imóvel e a câmara movendo-se livremente,
capturando várias secções da superfície da peça e usando diferentes distâncias focais. Os vários
testes contidos neste capítulo têm como intuito comparar modelos com diferentes valores dos
parâmetros de selecção, através da medição de cotas de referência, de forma a ser possível
encontrar as definições que melhor se aplicam na obtenção de um modelo final mais semelhante
possível à peça real.
5.2. Peças
Para este estudo foram seleccionadas quatro peças diferentes. As peças apresentam superfícies com
diferentes formas, com superfícies planas, superfícies côncavas, superfícies com furos de várias
dimensões, superfícies simples e superfícies com mais pormenores. Todas as peças apresentam
superfícies de vários padrões, sendo umas mais espelhadas quando sob radiação luminosa, e outras
superfícies quase homogéneas em relação à sua cor. A designação de cada peça encontra-se indicada
na Tabela 5.1, e os respectivos desenhos técnicos cotados em anexo, e obtidos através da medição
de cotas com um paquímetro e com o recurso à ferramenta de inserção de fotografias do
SolidWorks.
82
Tabela 5.1 - Designação das Peças Seleccionadas
Peça Designação
Peça A
Peça B
Peça C
Peça D
83
5.3. Resultados Obtidos Pelo Agisoft PhotoScan
Como descrito no Capítulo 4, existem vários parâmetros de selecção na fase Alinhamento. No
entanto, para a mesma peça e usando exactamente as mesmas fotos, com as mesmas máscaras de
imagem e os mesmos parâmetros, os resultados são diferentes. Os resultados obtidos para os
ensaios com a Peça A, com três limites de pontos-chave – 40 000, 100 000 e o máximo – e dois
limites de pontos-nó – 1000 e 4000 – são apresentados para cada configuração, de forma resumida,
nas tabelas em anexo.
Para os três valores acima referidos de limites de pontos-chave, foram utilizados os dois limites de
pontos-nó, e realizando cinco ensaios para cada combinação, os resultados das tabelas em anexo
foram obtidos após 150 ensaios de correspondências efectuados. Ao contrário das correspondências
efectuadas pelo Regard3D, que fazendo cinco ensaios para a mesma peça com os parâmetros
inalterados o resultado é, sempre, exactamente o mesmo número de pontos, na situação do
PhotoScan o resultado é diferente. Em alguns casos, principalmente com as definições de precisão
mais baixas, nem todos os ensaios tiveram como resultado uma nuvem de pontos que representasse
a figura a toda a sua volta, ou seja, a 360°.
Os modelos obtidos são geralmente definidos com as configurações por defeito, excepto quando
referido o contrário. No primeiro teste é explicado todo o procedimento experimental que foi
aplicado também aos testes posteriores.
´
84
5.3.1. PhotoScan Teste 1 – Variação do Número de Pontos-chave
O primeiro teste tem como objectivo comparar as diferenças de um modelo final obtido por
diferentes números de pontos-chave. Assim, mantendo inalterados os restantes parâmetros, desde
os pontos-nó às definições avançadas para as três diferentes fases, de Alinhamento, de Construção
de Nuvem Densa e de Construção de Modelo, é feita a medição das cotas representadas na Figura 5.1
para a Peça A.
Figura 5.1 - Identificação das Dimensões a Medir na Peça A
Pelas tabelas dos resultados das correspondências (em anexo), pode-se desde já verificar que apenas
as precisões Muito Elevada, Elevada e Média têm taxas de sucesso de 100%. Deste modo escolheu-se
a precisão Média pois das três precisões é aquela que exige menos tempo de computação para
qualquer variável de pontos-chave e pontos-nó para a fase de Alinhamento (Tabela 0.8). Manteve-se
seleccionado na fase de Alinhamento a precisão Média, a pré-selecção de pares desactivada, a opção
de restringir características considerando as máscaras activa, e um limite de pontos-nó de 4000. Para
a fase de Construção de Nuvem Densa foi seleccionado uma qualidade Média e uma filtragem de
profundidade Agressiva. Por fim, na fase de Construção de Modelo foi seleccionado um tipo de
superfície Arbitrário, a fonte de dados a Nuvem Densa, uma contagem de faces de Média (60 000), a
interpolação Desactivada e todas as classes de pontos seleccionadas. Após a obtenção do modelo, foi
usado o Autodesk Meshmixer para reparar a malha, e as medições e a aplicação do factor de escala
realizadas utilizando o Autodesk Netfabb. Posteriormente, é possível transferir o ficheiro para o
SolidWorks em formato .stl para assim o software reconhecer o modelo como um sólido. A visão
geral do procedimento deste teste encontra-se ilustrada na Figura 5.2.
85
Figura 5.2 – PhotoScan: Visão Geral do Procedimento do Teste 1
A escolha do Autodesk Meshmixer face aos restantes softwares de tratamento de malhas, deve-se ao
facto da ferramenta de reparação ser bastante rápida e de apresentar excelentes resultados no
modelo final, inclusive se importado o ficheiro .obj para o SolidWorks, o mesmo não apresentará
nenhum erro, o que nem sempre sucede utilizando a própria ferramenta de reparação do
SolidWorks. O Autodesk Netfabb além de permitir uma fácil selecção dos pontos de medição, o que
não acontece com o AutoDesk Meshmixer e com o MeshLab, exige muito menos capacidade de
processamento do que a ferramenta de medição do SolidWorks, porque devido ao modelo conter
várias faces, só o processo de rotação e translação do modelo em si pode-se revelar bastante lento.
86
Além de que é impossível executar qualquer medição se o modelo não for transformado em
superfície ou sólido pelas ferramentas do SolidWorks, e que mais uma vez se torna um processo
bastante demorado (superior a uma hora num equipamento dito normal/médio) ou mesmo
irrealizável, tal como a aplicação do factor de escala que é de novo um processo exigente. De realçar
que para modelos com menos faces, e que exijam menos tratamento de reparação, o SolidWorks é
viável, mas visto o grande número de modelos utilizados com uma quantidade muito considerável de
faces, o recurso à combinação de vários softwares permite que todo o procedimento seja mais
breve, de mais fácil utilização das diferentes ferramentas e da obtenção dos resultados com menor
grau de incerteza.
Como cota de referência, foi seleccionada a cota designada por N na Figura 5.1, por ser a cota de
menor valor, o que significa que os dois pontos medidos se encontram mais próximos que os
pertencentes às restantes cotas. Apesar de a medição ser executada pela ferramenta do Autodesk
Netfabb, é necessário que o utilizador seleccione os dois pontos necessários, tal como ocorre com as
ferramentas dos outros softwares, o que implica que o erro humano também se encontra presente
nos resultados das medições. Como a distância entre os dois pontos é menor, é mais fácil executar
comandos de rotação e translação da peça de forma a conferir que os dois pontos pertencem a um
segmento de recta perpendicular às arestas a que se encontram, se não for necessário fazer zoom
in/out para os dois pontos estarem contidos no campo de visão (Figura 5.3).
Figura 5.3 – Dois Pontos Contidos num Campo de Visão
Dis
tân
cia
1
Distância 2
Campo de Visão
Campo de Visão
87
A Tabela 5.2 indica os valores medidos da cota N para cada modelo, e a média desses mesmos
valores. É através da relação entre os valores das cotas dos modelos com o valor da cota da peça real
que se encontra o valor do factor de escala, que é aplicado em cada modelo. Foram realizadas 10
medições da cota N para cada modelo (Figura 5.4), sendo a média das medições o valor usado na
relação do factor de escala.
Tabela 5.2 – PhotoScan Teste 1: Valores Medidos da Cota N
Precisão do Modelo Valores das Medições da Cota N [mm] Média [mm]
Média (40 000/4000) 0.60 0.63 0.62 0.60 0.63 0.61 0.63 0.61 0.62 0.63 0.62
Média (100 000/4000) 0.53 0.54 0.53 0.52 0.52 0.54 0.53 0.55 0.54 0.53 0.53
Média (Máx/4000) 0.87 0.88 0.86 0.85 0.88 0.87 0.88 0.86 0.89 0.88 0.87
Figura 5.4 - Dez Medições da Cota N num Modelo
Com as medidas médias, e usando o valor real da cota, o valor do factor de escala para cada modelo
foi calculado, e obtiveram-se os valores indicados abaixo.
Tabela 5.3 - PhotoScan Teste 1: Valores do Factor de Escala
Precisão do Modelo Relação do Valor da Cota N do
Modelo com o Valor Real Valor do Factor de Escala
Média (40 000/4000) 8.11 / 0.62 13.08
Média (100 000/4000) 8.11 / 0.53 15.30
Média (Máximo/4000) 8.11 / 0.87 9.32
88
Através da ferramenta Scale do Autodesk Netfabb foi aplicado o respectivo factor de escala para cada
modelo. Como foi seleccionada a opção de fixar o rácio de escala, o software considera que o
aumento de escala é uniforme, e assim basta indicar o valor do factor de escala para uma
coordenada – X, Y ou Z – que de forma automática o mesmo valor será aplicado às restantes.
Recorreu-se à ferramenta Analysis para obter os valores do volume e área dos modelos (Tabela 5.4),
antes e após a aplicação do factor de escala, para verificar se as dimensões foram de facto afectadas
pelo factor de escala aplicado, e se resultaram em modelos com dimensões semelhantes. Como se
verificou que os valores referidos são semelhantes, foi realizada a medição dos três modelos com a
ferramenta Measurement, e os resultados obtidos são apresentados na Tabela 5.5, Tabela 5.6 e
Tabela 5.7, respectivamente para os modelos com 40 000, 100 000 e Máximo número de pontos-
chave.
Tabela 5.4 – PhotoScan Teste 1: Volume e Área dos Modelos Após Aplicação do Factor de Escala
Modelo Volume [cm3] Área [cm2]
Média (40 000/4000) 40.1576 132.0325
Média (100 000/4000) 41.3310 134.6153
Média (Máximo/4000) 40.4006 132.5390
Peça A (SolidWorks) 38.6590 130.0475
Tabela 5.5 – PhotoScan Teste 1: Medições das Cotas do Modelo 40 000/4000
Cota Medições [mm] Média [mm] Valores de
Referência1 [mm]
A 33.06 33.15 33.50 33.24 33.11
B 19.02 18.92 18.89 18.94 19.26
C 18.20 17.97 17.97 18.05 17.49
D 24.76 24.51 24.32 24.53 24.21
E 13.17 13.39 13.56 13.37 12.93
F 38.08 37.67 38.44 38.06 38.72
G 62.73 62.67 61.57 62.32 61.93
H 19.70 20.12 19.58 19.8 19.90
I 32.55 32.55 32.80 32.63 32.80
J 50.13 50.00 50.19 50.11 49.43
K 36.00 36.31 36.56 36.29 35.30
L 60.15 60.66 60.32 60.38 60.05
M 36.18 35.46 36.04 35.89 35.59
N 8.11 8.10 8.13 8.11 8.11
1 Valores obtidos por medição com paquímetro (com resolução de +/-0.01 mm)
89
Tabela 5.6 – PhotoScan Teste 1: Medições das Cotas do Modelo 100 000/4000
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.27 32.51 33.11 32.36 33.11
B 18.70 18.51 19.26 18.65 19.26
C 17.38 17.40 17.49 17.45 17.49
D 24.56 24.91 24.21 24.68 24.21
E 13.05 12.83 12.93 13.01 12.93
F 38.08 38.44 38.72 38.43 38.72
G 63.35 63.28 61.93 63.25 61.93
H 19.73 20.37 19.90 19.93 19.90
I 32.68 32.71 32.80 32.76 32.80
J 50.14 50.26 49.43 50.15 49.43
K 36.29 37.29 35.30 36.77 35.30
L 60.93 60.98 60.05 60.98 60.05
M 36.26 36.52 35.59 36.52 35.59
N 8.11 8.11 8.11 8.10 8.11
Tabela 5.7 – PhotoScan Teste 1: Medições das Cotas do Modelo Máximo/4000
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.64 32.59 32.36 32.53 33.11
B 19.23 19.27 19.22 19.24 19.26
C 17.29 17.19 17.28 17.25 17.49
D 24.62 24.23 24.80 24.55 24.21
E 13.00 12.86 13.01 12.96 12.93
F 38.24 37.79 38.48 38.17 38.72
G 62.23 61.14 62.07 61.81 61.93
H 19.28 19.14 19.21 19.21 19.90
I 32.68 32.36 32.65 32.56 32.80
J 50.48 50.30 50.65 50.48 49.43
K 36.35 35.88 36.40 36.21 35.30
L 59.06 59.63 59.33 59.34 60.05
M 36.52 36.38 35.98 36.29 35.59
N 8.10 8.13 8.13 8.12 8.11
5.3.2. PhotoScan Teste 2 – Variação do Número de Pontos-nó
O teste seguinte tem como objectivo analisar dois modelos obtidos com os mesmos pontos-chave
mas variando o número de pontos-nó, mantendo também inalterados os parâmetros nas fases
seguintes para os dois modelos. O procedimento utilizado no teste anterior é o mesmo aplicado ao
teste actual, com apenas uma alteração de parâmetros na fase de Alinhamento.
90
Figura 5.5 - PhotoScan: Teste 2
Visto que os resultados do modelo com 4000 pontos-nó já foram obtidos no teste anterior, basta
apenas realizar o procedimento para o modelo com 1000 pontos-nó. Usando novamente as cotas
indicadas na Figura 5.1, e recorrendo à cota N como referência, os valores das medições necessárias
para encontrar o valor do factor de escala a aplicar no modelo com 1000 pontos-nó e o próprio
factor de escala calculado encontram-se, respectivamente, na Tabela 5.8 e na Tabela 5.9.
Tabela 5.8 - PhotoScan Teste 2: Valores Medidos da Cota N
Precisão do Modelo
Valores das Medições da Cota N [mm] Média [mm]
Média (40 000/1000)
0.65 0.66 0.67 0.66 0.65 0.67 0.67 0.67 0.66 0.65 0.66
Tabela 5.9 - PhotoScan Teste 2: Valor do Factor de Escala
Precisão do Modelo Relação do Valor da Cota N do
Modelo com o Valor Real Valor do Factor de Escala
Média (Máximo/4000) 8.11 / 0.66 12.29
Confirmou-se a aplicação do factor de escala adequado pelas dimensões do volume e da área dos
dois modelos, que se encontram perto dos mesmos valores, como pode ser constatado pela tabela
abaixo apresentada, sendo que os valores são superiores no modelo com menor número de pontos-
nó.
Tabela 5.10 – PhotoScan Teste 2: Volume e Área dos Modelos Após Aplicação do Factor de Escala
Modelo Volume [cm3] Área [cm2]
Média (40 000/1000) 44.0586 139.1861
Média (40 000/4000) 40.1576 132.0325
Peça A (SolidWorks) 38.6590 130.0475
91
Os resultados das medições do modelo com 40 000 pontos-chave e 1000 pontos-nó foram registados
na Tabela 5.11.
Tabela 5.11 – PhotoScan Teste 2: Medições das Cotas do Modelo 40 000/1000
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.89 32.92 33.11 33.00 33.11
B 19.07 19.69 19.26 19.43 19.26
C 17.39 17.50 17.49 17.42 17.49
D 24.72 24.55 24.21 24.73 24.21
E 13.38 13.33 12.93 13.32 12.93
F 38.85 38.39 38.72 38.28 38.72
G 63.15 62.70 61.93 62.98 61.93
H 20.15 20.11 19.90 20.01 19.90
I 32.71 33.20 32.80 32.90 32.80
J 50.84 51.10 49.43 50.96 49.43
K 36.85 36.42 35.30 36.63 35.30
L 61.76 61.66 60.05 61.73 60.05
M 36.61 36.43 35.59 36.59 35.59
N 8.10 8.07 8.11 8.10 8.11
5.3.3. PhotoScan Teste 3 – Variação da Precisão do Alinhamento
O terceiro teste tem o intuito de comparar três modelos com precisões diferentes, mantendo os
restantes parâmetros fixos. Mais uma vez o procedimento adoptado é idêntico aos dos outros dois
testes anteriores. O modelo com a configuração Média já foi medido no Teste 1 (Tabela 5.5), faltando
apenas registar as medições das cotas dos modelos com as precisões Elevada e Muito Elevada.
Figura 5.6 – PhotoScan: Teste 3
92
A Tabela 5.12 contém os valores medidos da cota de referência em ambos os modelos, onde se pode
perceber desde logo que quanto maior for a precisão do Alinhamento menor serão as dimensões dos
modelos finais. No primeiro teste verificou-se que o modelo com precisão Média possuía uma cota
de referência com o seu valor médio de 0.62 mm, e abaixo observa-se que quanto aumentando a
precisão os valores dessa mesma cota diminuem para 0.34 mm e 0.21 mm. Ou seja, quanto mais
preciso o alinhamento seleccionado, maior será o valor de escala a aplicar.
Tabela 5.12 – PhotoScan Teste 3: Valores Medidos da Cota N
Precisão do Modelo
Valores das Medições da Cota N [mm] Média [mm]
Elevada 0.34 0.35 0.34 0.33 0.33 0.35 0.35 0.34 0.34 0.35 0.34
Muito Elevada 0.21 0.21 0.21 0.21 0.21 0.21 0.21 0.21 0.21 0.20 0.21
Como tal, tendo os modelos diferentes dimensões é necessário aplicar diferentes factores de escala
(Tabela 5.13). Como verificado no primeiro teste, especificamente nos dados presentes na Tabela
5.4, os modelos com a configuração de 4000 pontos-nó têm áreas e volumes semelhantes após
aplicar o factor de escala, como também sucedeu aos modelos deste teste, com valores muito
próximos (Tabela 5.14).
Tabela 5.13 – PhotoScan Teste 3: Valores do Factor de Escala
Precisão do Modelo Relação do Valor da Cota N do
Modelo com o Valor Real Valor do Factor de Escala
Elevada (40 000/4000) 8.11 / 0.34 23.85
Muito Elevada (40 000/4000) 8.11 / 0.21 38.62
Tabela 5.14 – PhotoScan Teste 3: Volume e Área dos Modelos Após Aplicação do Factor de Escala
Modelo Volume [cm3] Área [cm2]
Elevada (40 000/4000) 41.3131 133.7936
Muito Elevada (40 000/4000) 40.8119 132.6334
Peça A (SolidWorks) 38.6590 130.0475
Na seguinte página encontram-se registados os valores das três medições e média de cada cota para
os modelos com a configuração Elevada e Muito Elevada de precisão de Alinhamento,
respectivamente a Tabela 5.15 e a Tabela 5.16.
93
Tabela 5.15 – PhotoScan Teste 3: Medições das Cotas do Modelo Com Precisão Elevada
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.94 32.27 33.11 32.64 33.11
B 19.32 19.54 19.26 19.43 19.26
C 17.63 17.47 17.49 17.59 17.49
D 24.42 24.08 24.21 24.32 24.21
E 13.07 13.30 12.93 13.19 12.93
F 38.56 38.76 38.72 38.63 38.72
G 62.07 62.10 61.93 62.03 61.93
H 19.32 19.12 19.90 19.28 19.90
I 32.64 32.61 32.80 32.53 32.80
J 49.76 50.19 49.43 49.91 49.43
K 36.07 36.29 35.30 36.18 35.30
L 60.97 61.08 60.05 60.98 60.05
M 36.35 36.16 35.59 36.42 35.59
N 8.10 8.14 8.11 8.12 8.11
Tabela 5.16 – PhotoScan Teste 3: Medições das Cotas do Modelo Com Precisão Muito Elevada
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.90 32.76 32.83 32.83 33.11
B 19.21 19.15 19.08 19.15 19.26
C 17.63 17.58 17.86 17.69 17.49
D 24.64 24.76 24.58 24.66 24.21
E 13.20 13.14 13.05 13.13 12.93
F 38.78 38.77 38.56 38.70 38.72
G 61.98 61.74 61.84 61.85 61.93
H 19.69 19.82 19.95 19.82 19.90
I 32.83 32.56 32.69 32.69 32.80
J 49.20 49.42 49.80 49.47 49.43
K 35.86 36.00 35.92 35.93 35.30
L 60.72 60.90 60.72 60.78 60.05
M 36.02 35.87 35.86 35.92 35.59
N 8.09 8.14 8.12 8.12 8.11
94
5.3.4. PhotoScan Teste 4 – Variação da Precisão da Construção da Nuvem Densa
A densificação da nuvem de pontos obtida pela fase anterior não é obrigatória para o programa
conseguir originar uma malha. No entanto, é aconselhado a execução desta etapa pois proporciona
um modelo mais similar à peça real – haverá menos espaço entre pontos, i.e., mais informação na
nuvem de pontos que irá permitir uma malha com menos incerteza – e também a opção de importar
a nuvem de pontos para um outro software. Neste teste comparam-se as diferenças em termos de
valores de cotas que possam existir em modelos com configurações diferentes.
Figura 5.7 – PhotoScan: Teste 4
Os modelos têm os parâmetros de Alinhamento totalmente iguais bem como os de Construção de
Modelo, com a configuração 40 000/1000 inicial e precisão média em todas as restantes fases. Mais
uma vez, não existe a necessidade de realizar as medições para um modelo, com a precisão Média,
porque as mesmas já foram registadas anteriormente na Tabela 5.11. Para os outros dois modelos,
as cotas de referência foram medidas e são apresentadas na tabela abaixo.
Tabela 5.17 – PhotoScan Teste 4: Valores Medidos da Cota N
Precisão do Modelo
Valores das Medições da Cota N [mm] Média [mm]
Baixa 0.66 0.66 0.66 0.68 0.66 0.64 0.68 0.66 0.67 0.66 0.66
Elevada 0.65 0.63 0.66 0.66 0.66 0.67 0.66 0.66 0.66 0.66 0.66
Tal como o modelo com precisão Média, a cota de referência tem 0.66 mm, o que implica que os
factores de escala a usar são exactamente os mesmos.
95
Tabela 5.18 – PhotoScan Teste 4: Valores do Factor de Escala
Precisão do Modelo Relação do Valor da Cota N do
Modelo com o Valor Real Valor do Factor de Escala
Baixa 8.11 / 0.66 12.29
Elevada 8.11 / 0.66 12.29
Os valores do volume e área dos modelos não são iguais como demonstrado na Tabela 5.19. Em
relação ao modelo com configuração Média existe um decréscimo de 3.64% no volume e de 2.59%
na área para o modelo com a configuração inferior, e de 0.29% no volume e de 0.92% para o modelo
com configuração superior. Face a estes valores pode-se assumir que a fase de densificação da
nuvem influencia o modelo final a nível de dimensões.
Tabela 5.19 – PhotoScan Teste 4: Volume e Área dos Modelos Após Aplicação do Factor de Escala
Modelo Volume [cm3] Área [cm2]
Baixa 42.4539 135.5765
Média 44.0586 139.1861
Elevada 43.9289 137.9036
Peça A (SolidWorks) 38.6590 130.0475
Nas duas tabelas que se seguem estão registados os dados das medições para os modelos com
precisão Baixa e Elevada de densificação da nuvem.
Tabela 5.20 – PhotoScan Teste 4: Medições das Cotas do Modelo Com Precisão de Densificação Baixa
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.61 33.08 32.40 32.70 33.11
B 18.94 19.41 19.66 19.34 19.26
C 17.51 17.85 17.72 17.69 17.49
D 25.09 25.97 25.62 25.56 24.21
E 13.31 13.30 13.64 13.42 12.93
F 37.70 37.75 37.38 37.61 38.72
G 62.30 62.03 62.08 62.14 61.93
H 19.75 20.11 19.60 19.82 19.90
I 33.04 32.75 32.66 32.82 32.80
J 48.99 48.42 48.33 48.58 49.43
K 37.04 36.89 36.94 36.96 35.30
L 61.61 61.31 61.00 61.31 60.05
M 37.83 37.61 37.43 37.62 35.59
N 8.10 8.14 8.09 8.11 8.11
96
Tabela 5.21 – PhotoScan Teste 4: Medições das Cotas do Modelo Com Precisão de Densificação Elevada
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 33.22 32.31 33.01 32.85 33.11
B 20.04 20.50 20.77 20.44 19.26
C 17.47 17.71 17.92 17.70 17.49
D 23.78 23.67 23.86 23.77 24.21
E 13.10 13.08 13.19 13.12 12.93
F 38.06 38.04 37.92 38.01 38.72
G 62.58 62.20 62.70 62.49 61.93
H 20.17 20.10 20.08 20.12 19.90
I 32.97 32.71 32.73 32.80 32.80
J 49.17 48.94 49.05 49.05 49.43
K 36.56 36.61 36.49 36.55 35.30
L 62.04 62.18 62.58 62.27 60.05
M 36.14 35.91 36.31 36.12 35.59
N 8.08 8.17 8.10 8.12 8.11
5.3.5. PhotoScan Teste 5 – Variação da Filtragem de Profundidade
O último dos testes tem como objectivo comparar as consequências no modelo final se o parâmetro
de Filtragem de Profundidade for modificado. Os dois modelos utilizados têm todos os outros
parâmetros seleccionáveis com as mesmas configurações, e aproveitando o modelo já registado na
Tabela 5.11 que tem a configuração Agressive, basta apenas medir as cotas de um outro modelo com
uma diferente configuração. Escolheu-se um modelo com a configuração Mild pois aumenta a
importância dos pequenos detalhes da peça real. As medições da cota de referência são
apresentadas na Tabela 5.22.
Figura 5.8 – PhotoScan: Teste 5
97
Tabela 5.22 - PhotoScan Teste 5: Valores Medidos da Cota N
Precisão do Modelo
Valores das Medições da Cota N [mm] Média [mm]
Mild 0.68 0.66 0.67 0.66 0.66 0.66 0.65 0.65 0.65 0.66 0.66
Tal como no teste anterior, em que os valores das cotas de referência eram 0.66 mm, o modelo
deste teste partilha o mesmo valor. Desta forma, o valor do factor de escala a aplicar será também o
mesmo.
Tabela 5.23 – PhotoScan Teste 5: Valor do Factor de Escala
Precisão do Modelo Relação do Valor da Cota N do
Modelo com o Valor Real Valor do Factor de Escala
Média (Máximo/4000) 8.11 / 0.66 12.29
Os dois modelos, após a aplicação do factor de escala, possuem valores de volumes e áreas
parecidos, à semelhança do que foi verificado nos testes anteriores.
Tabela 5.24 – PhotoScan Teste 5: Volume e Área dos Modelos Após Aplicação do Factor de Escala
Modelo Volume [cm3] Área [cm2]
Mild 42.7784 136.5129
Agressive 44.0586 139.1861
Peça A (SolidWorks) 38.6590 130.0475
Os valores das cotas medidas e a sua média para o modelo com a configuração Mild de Filtragem de
Profundidade estão registados na tabela seguinte.
Tabela 5.25 – PhotoScan Teste 5: Medições das Cotas do Modelo Com Precisão Densificação Mild
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.55 31.99 32.07 32.20 33.11
B 19.20 19.66 19.50 19.45 19.26
C 17.33 17.88 17.35 17.52 17.49
D 23.82 23.45 23.58 23.62 24.21
E 13.36 13.17 13.33 13.29 12.93
F 38.06 38.36 38.67 38.36 38.72
G 63.15 63.45 62.98 63.19 61.93
H 19.33 19.45 19.41 19.40 19.90
I 32.70 32.77 32.39 32.62 32.80
J 49.93 49.86 50.07 49.95 49.43
K 37.03 36.68 36.92 36.88 35.30
L 61.41 61.48 61.61 61.50 60.05
M 36.35 36.09 36.81 36.42 35.59
N 8.11 8.15 8.12 8.13 8.11
98
5.4. Resultados Obtidos Pelo Regard3D
Como já mencionado anteriormente, todos os ensaios realizados pelo Regard3D apenas permitiram
triangular as posições da câmara num ângulo aproximado de 180°. Assim, para executar os testes
seguintes, seleccionou-se apenas as fotografias pertencentes ao mesmo conjunto utilizado para a
Peça A no PhotoScan que continha a face 1 e 2, tal como indicado na Figura 5.9, o que resultou num
total de 44 fotografias. As faces paralelas às indicadas não são reconstruídas nos modelos, resultando
numa malha aberta, e por isso não preenchida. A decisão de utilizar só uma parte das fotografias
deveu-se ao facto de mesmo utilizando as 60 fotografias, o modelo obtido era idêntico, mas o tempo
de processamento da fase de Correspondências e de Triangulação era muito superior, e como tal não
existem nenhumas vantagens em utilizar as restantes fotografias, e que acabariam por não
acrescentar informação.
Figura 5.9 – Faces da Peça A nas Fotografias Utilizadas no Regard3D
Nos modelos obtidos pelo Regard3D grande parte da superfície gerada é ruído. Apesar de ser
possível remover o mesmo, como explicado no capítulo anterior, as ferramentas de remoção
necessitam que o utilizador seleccione as áreas da superfície que não têm valor. No entanto, em
certos casos torna-se quase impossível distinguir se uma área é ruído ou se pertence à peça de
interesse, como ilustrado na Figura 5.11, onde nem é possível diferenciar os contornos do furo mais
pequeno da peça real. Deste modo, não é possível remover o ruído de forma adequada. Mesmo
quando nos modelos com melhores resultados, como o apresentado na Figura 5.10, existe sempre
ruído em algumas faces e arestas. Mais uma vez, se fosse removido o ruído, muitas faces quase que
seriam removidas na sua totalidade. De notar também que modelos como o da Figura 5.11 em que
se pode visualizar mais ou menos os contornos da peça, mas as faces estão longe de se aproximarem
de superfícies lisas, parecendo que contêm grão.
99
Figura 5.10 – Ruído num Modelo Obtido pelo Regard3D
É possível observar pela imagem acima, que as dimensões que pertencem ao perímetro das faces 1 e
2, na sua maioria, são possíveis de medir, e que se distinguem bem mesmo quando a peça é quase
homogénea, situação que ocorre quando o ficheiro é transferido para o Autodesk Netfabb. Mas em
modelos como o ilustrado na Figura 5.11, onde nem todas as arestas e faces do modelo são
diferenciáveis do ruído, não é possível usar as cotas do perímetro da superfície como referência.
Assim, e recorrendo mais uma vez à Figura 5.1, a cota de referência a utilizar será a cota L, que é a
cota visível e distinguível facilmente do ruído. No caso dos modelos em comparação em que algumas
cotas não permitem uma medição correcta, apenas se comparam as cotas bem definidas entre os
dois modelos. Como os modelos obtidos são abertos, pois só representam 180° da superfície da
peça, fecha-los e tentar formar um sólido resultaria numa forma que se encontra longe da forma da
peça real. Assim, não foi necessário exportar o modelo para o Autodesk Meshmixer ou outro
software de reparação da malha.
Figura 5.11 – Ruído nos Contornos da Superfície do Modelo Obtido pelo Regard3D
100
5.4.1. Correspondências
Como descrito no procedimento de funcionamento do Regard3D anteriormente, a fase de
Correspondências possui dois parâmetros alteráveis relacionados como os pontos-chave. Tratam-se
da Sensibilidade e do Rácio de Correspondência, e os resultados dos pontos obtidos e do tempo de
processamento para as várias opções encontram-se registados na Tabela 5.26. Como nem todos os
modelos se encontram livre de ruído, existem cotas que se tornam difíceis de medir pois a selecção
de dois pontos não é fácil, como já foi mencionado. Nos testes executados para os modelos obtidos
pelo PhotoScan tinha-se determinado o factor de escala fazendo 10 medições de uma cota, pois
tratava-se de um processo de relativa facilidade visto que o modelo estava praticamente livre de
ruído. Como exemplificava a Figura 5.4, as medições foram feitas em vários locais para determinar o
valor médio da cota de referência, seguido de 3 medições de todas as cotas após a aplicação do
factor de escala. Para os modelos obtidos pelo Regard3D, como o ruído é bastante elevado, serão
apenas realizadas 3 medições para determinar o factor de escala, seguido de apenas 3 medições das
cotas que estejam livre o suficiente de ruído, e que permitam seleccionar dois pontos com a certeza
de que pertencem à peça. O procedimento é exactamente o mesmo que o realizado para os modelos
obtidos pelo PhotoScan, em relação à ordem de utilização dos softwares.
Tabela 5.26 – Peça A: Resultados das Correspondências pelo Regard3D
Pontos-chave Pontos
Sensibilidade Rácio de
Correspondência Média Mínimo Máximo Tempo [min]
0.001
0.6 4578 143 23308 2.82
0.7 4578 143 23308 2.92
0.8 4578 143 23308 3.14
0.9 4578 143 23308 3.44
0.0007
0.6 7381 204 34873 3.39
0.7 7381 204 34873 4.31
0.8 7381 204 34873 4.30
0.9 7381 204 34873 5.20
0.0005
0.6 10822 312 48255 4.95
0.7 10822 312 48255 5.45
0.8 10822 312 48255 6.01
0.9 10822 312 48255 6.23
0.0001
0.6 37533 3852 124427 15.77
0.7 37533 3852 124427 15.64
0.8 37533 3852 124427 17.39
0.9 37533 3852 124427 17.95
101
5.4.1.1. Teste 1 – Variação do Rácio de Correspondência dos Pontos-Chave
Este teste tem como objectivo verificar que diferenças existem quando se altera apenas o valor do
rácio de correspondência dos pontos-chave. Todas as fases seguintes até à obtenção do modelo final
foram realizadas com os valores e opções seleccionados por defeito pelo software.
Figura 5.12 – Correspondência Teste 1
Foram realizadas as 3 medições para determinar o factor de escala em todos os modelos, com os
resultados médios da Tabela 5.27, e o valore do factor de escala para cada modelo calculado para
cada modelo na Tabela 5.28, tendo a cota L um valor real de 60.05 mm.
Tabela 5.27 – Correspondência Teste 1: Valores Medidos da Cota L
Modelo Valores das Medições da Cota L [mm] Média [mm]
0.001/0.6 6.55 6.59 6.60 6.58
0.001/0.7 7.28 7.30 7.33 7.30
0.001/0.8 6.96 6.97 6.95 6.96
0.001/0.9 7.25 7.25 7.23 7.24
Tabela 5.28 – Correspondência Teste 1: Valores do Factor de Escala
Modelo Relação do Valor da Cota L do
Modelo com o Valor Real Valor do Factor de Escala
0.001/0.6 60.05/6.58 9.13
0.001/0.7 60.05/7.30 8.23
0.001/0.8 60.05/6.96 8.63
0.001/0.9 60.05/7.24 8.29
102
Nestes modelos existem algumas cotas pertencentes a faces e arestas com ruído, não sendo possível
realizar medições para todas. Das cotas que permitiram ser medidas, com segurança que os pontos
seleccionados pertencem realmente à peça, e que são comuns a todos os modelos usados neste
teste, os seus resultados para os vários modelos encontram-se apresentados nas tabelas abaixo. As
cotas omitidas são aquelas em que não foi possível executar as medições.
Tabela 5.29 – Correspondência Teste 1: Medições das Cotas do Modelo 0.001/0.6
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 34.07 33.99 33.99 34.02 33.11
B 19.00 19.00 18.81 18.94 19.26
C 16.54 16.55 16.46 16.52 17.49
G 63.75 63.35 63.38 63.49 61.93
K 36.81 36.74 36.43 36.66 35.30
L 60.07 60.11 59.58 59.92 60.05
M 37.72 37.72 37.72 37.72 35.59
Tabela 5.30 – Correspondência Teste 1: Medições das Cotas do Modelo 0.001/0.7
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.68 32.42 32.76 32.62 33.11
B 18.57 18.56 18.58 18.57 19.26
C 16.31 16.31 16.42 16.35 17.49
G 63.69 63.13 62.91 63.24 61.93
K 36.29 36.35 36.72 36.45 35.30
L 59.72 59.70 59.61 59.68 60.05
M 37.93 37.31 36.90 37.38 35.59
Tabela 5.31 – Correspondência Teste 1: Medições das Cotas do Modelo 0.001/0.8
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.89 32.74 32.74 32.79 33.11
B 19.44 19.66 19.72 19.61 19.26
C 17.00 17.07 17.00 17.02 17.49
G 63.55 63.37 63.30 63.41 61.93
K 36.25 35.75 35.94 35.98 35.30
L 60.54 60.63 60.42 60.53 60.05
M 37.79 37.75 37.75 37.76 35.59
103
Tabela 5.32 – Correspondência Teste 1: Medições das Cotas do Modelo 0.001/0.9
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.97 32.80 32.80 32.86 33.11
B 19.58 19.28 19.70 19.52 19.26
C 16.53 16.77 16.53 16.61 17.49
G 62.76 62.89 63.11 62.92 61.93
K 35.75 35.59 35.98 35.77 35.30
L 60.75 60.35 60.21 60.44 60.05
M 36.02 36.09 36.09 36.07 35.59
5.4.1.2. Teste 2 – Variação da Sensibilidade dos Pontos-Chave
O outro parâmetro da fase de Correspondência que pode ser alterado é a sensibilidade dos pontos-
chave. Mais uma vez, neste teste, todos os restantes parâmetros não são alterados em relação às
opções e valores definidos por defeito. Como o modelo com os parâmetros de sensibilidade e rácio
de correspondência de valores, respectivamente, 0.001 e 0.6, já foi criado e as suas medições
registadas no teste anterior, basta apenas realizar as medições das cotas para os restantes modelos
Figura 5.13 – Correspondência Teste 2
Tabela 5.33 – Correspondência Teste 2: Valores Medidos da Cota L
Modelo Valores das Medições da Cota L [mm] Média [mm]
0.0007/0.6 6.77 6.80 6.80 6.79
0.0005/0.6 7.04 7.00 7.03 7.02
0.0001/0.6 6.79 6.83 6.86 6.83
104
Tabela 5.34 – Correspondência Teste 2: Valores do Factor de Escala
Modelo Relação do Valor da Cota L do
Modelo com o Valor Real Valor do Factor de Escala
0.0007/0.6 60.05/6.79 8.84
0.0005/0.6 60.05/7.02 8.55
0.0001/0.6 60.05/6.83 8.79
Tabela 5.35 – Correspondência Teste 2: Medições das Cotas do Modelo 0.0007/0.6
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.97 32.61 32.74 32.77 33.11
B 20.06 20.50 20.19 20.25 19.26
C 16.48 16.25 16.25 16.33 17.49
G 63.76 63.62 64.00 63.79 61.93
K 36.28 36.30 36.50 36.36 35.30
L 60.89 60.86 61.01 60.92 60.05
M 38.71 37.57 38.32 38.20 35.59
Tabela 5.36 – Correspondência Teste 2: Medições das Cotas do Modelo 0.0005/0.6
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 31.82 31.39 31.86 31.69 33.11
B 19.99 20.25 19.82 20.02 19.26
C 17.46 17.31 17.14 17.30 17.49
G 63.89 63.73 63.69 63.77 61.93
K 36.27 36.77 36.37 36.47 35.30
L 59.81 60.04 59.90 59.92 60.05
M 37.15 36.98 37.42 37.18 35.59
Tabela 5.37 – Correspondência Teste 2: Medições das Cotas do Modelo 0.0001/0.6
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.96 32.74 33.01 32.90 33.11
B 19.88 19.68 19.85 19.80 19.26
C 16.57 16.44 17.07 16.69 17.49
G 63.55 63.19 63.52 63.42 61.93
K 36.14 36.04 36.14 36.11 35.30
L 59.63 60.01 59.99 59.88 60.05
M 37.80 37.62 37.51 37.64 35.59
105
5.4.2. Triangulações
Na fase de Triangulação existem dois métodos já mencionados anteriormente, e ainda uma opção
que permite aperfeiçoar os parâmetros intrínsecos da câmara. Nos seguintes testes o objectivo será
comparar as diferenças dos valores das cotas usando os dois métodos, e as alterações que possam
acontecer aperfeiçoando os parâmetros intrínsecos.
5.4.2.1. Teste 1 – Ausência de Aperfeiçoamento dos Parâmetros Intrínsecos no Método Incremental
Como o subtítulo sugere, este teste serve para verificar que alterações ocorrem quando a opção de
aperfeiçoamento dos parâmetros intrínsecos está desligada, em comparação com a opção activa
para o método Incremental. Como por defeito a opção está sempre ligada e o método seleccionado é
o Incremental, então o modelo utilizado no primeiro teste das Correspondências com 0.001/0.6 serve
para a comparação, bastando obter o modelo com as mesmas definições mas apenas com a opção
de aperfeiçoamento dos parâmetros intrínsecos desligada.
Figura 5.14 – Triangulação Teste 1
Tabela 5.38 – Triangulação Teste 1: Valores Medidos da Cota L
Modelo Valores das Medições da Cota L [mm] Média [mm]
Aperfeiçoamento Off 6.64 6.58 6.59 6.60
Tabela 5.39 – Triangulação Teste 1: Valores do Factor de Escala
Modelo Relação do Valor da Cota L do
Modelo com o Valor Real Valor do Factor de Escala
Aperfeiçoamento Off 60.05/6.60 9.10
106
Tabela 5.40 – Triangulação Teste 1: Medições das Cotas do Modelo Aperfeiçoamento Off
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
C 16.94 16.75 16.56 16.75 17.49
G 62.11 62.08 62.24 62.14 61.93
K 37.16 36.57 36.26 36.66 35.30
L 60.00 60.10 59.79 59.96 60.05
M 37.37 36.61 36.85 36.94 35.59
5.4.2.2. Teste 2 – Ausência de Aperfeiçoamento dos Parâmetros Intrínsecos no Método Global
No segundo teste da Triangulação são comparados dois modelos obtidos pelo método Global, um
com a opção de aperfeiçoamento ligado e outro com a mesma opção desligada.
Figura 5.15 – Triangulação Teste 2
Tabela 5.41 – Triangulação Teste 2: Valores Medidos da Cota L
Modelo Valores das Medições da Cota L [mm] Média [mm]
Aperfeiçoamento On 0.29 0.29 0.29 0.29
Aperfeiçoamento Off 0.29 0.29 0.29 0.29
Tabela 5.42 – Triangulação Teste 2: Valores do Factor de Escala
Modelo Relação do Valor da Cota L do
Modelo com o Valor Real Valor do Factor de Escala
Aperfeiçoamento On 60.05/0.29 207.07
Aperfeiçoamento Off 60.05/0.29 207.07
107
Tabela 5.43 – Triangulação Teste 2: Medições das Cotas do Modelo Aperfeiçoamento On
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.63 32.20 32.00 32.28 33.11
B 19.47 19.73 19.60 19.60 19.26
C 17.18 17.56 17.02 17.25 17.49
K 35.68 35.91 36.32 35.97 35.30
L 60.51 60.13 59.86 60.17 60.05
M 37.88 37.88 37.69 37.82 35.59
Tabela 5.44 – Triangulação Teste 2: Medições das Cotas do Modelo Aperfeiçoamento Off
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.81 31.71 32.19 32.24 33.11
B 20.51 20.51 20.26 20.43 19.26
C 17.34 17.78 17.21 17.44 17.49
K 35.78 35.94 36.04 35.92 35.30
L 60.33 60.36 60.12 60.27 60.05
M 37.72 37.33 38.07 37.71 35.59
5.4.2.3. Teste 3 – Método Incremental e Método Global, Ambos
com Aperfeiçoamento
No último teste da Triangulação são comparados dois modelos obtidos por métodos diferentes,
Incremental e Global, mas com a opção de aperfeiçoamento ligada. Como nos Testes 1 e 2 foram já
usados registados dados para os dois métodos, então pode-se utilizar os mesmos para realizar este
teste, mais concretamente os dados presentas na Tabela 5.29 e na Tabela 6.37, respectivamente os
modelos referentes ao métodos Incremental e Global.
Figura 5.16 – Triangulação Teste 3
108
5.4.3. Densificações
Na fase de Densificação existem vários parâmetros, no entanto, existem dois que alterando o valor
definido por defeito apresentam, como resultado, modelos que são impossíveis de mediras suas
cotas devido ao ruído. Os parâmetros em causa são o parâmetro Level para o método CMVS/PMVS e
o parâmetro Scale para o método MVE. Provavelmente por o programa não se encontrar numa
versão definitiva) poderá ter algum impacto para o resultado de modelos tão ruidosos. Todos os
restantes parâmetros são possíveis de alterar, obtendo-se modelos possíveis de executar medições e
a respectiva comparação.
5.4.3.1. Teste 1 – Ausência da Opção Visibilidade
O primeiro teste da Densificação compara dois modelos, um com a opção de Visibilidade ligada e o
outro modelo com a mesma opção desligada. Como por defeito a opção está ligada, os dados para
este modelo já foram registados num dos testes anteriores. Foram utilizados modelos com as
definições de pontos-chave Normal/Normal, i.e., 0.0007/0.6, então os dados do modelo
correspondente ao modelo com a opção ligada encontram-se no Teste 2 da fase da Correspondência,
mais precisamente as medições das suas cotas na Tabela 5.35.
Figura 5.17 – Densificação Teste 1
Tabela 5.45 – Densificação Teste 1: Valores Medidos da Cota L
Modelo Valores das Medições da Cota L [mm] Média [mm]
Visibilidade Off 5.99 6.01 6.06 6.02
109
Tabela 5.46 – Densificação Teste 1: Valores do Factor de Escala
Modelo Relação do Valor da Cota L do
Modelo com o Valor Real Valor do Factor de Escala
Visibilidade Off 60.05/6.02 9.98
Tabela 5.47 – Densificação Teste 1: Medições das Cotas do Modelo Visibilidade Off
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 33.23 33.27 32.36 32.95 33.11
B 20.63 20.11 20.90 20.55 19.26
C 17.06 17.11 17.11 17.09 17.49
G 61.10 60.68 60.34 60.71 61.93
K 36.57 36.85 36.82 36.75 35.30
L 64.22 64.01 64.17 64.13 60.05
M 37.17 36.95 36.74 36.95 35.59
5.4.3.2. Teste 2 – Método CMVS/PMVS e Método MVE
Neste teste o objectivo é comparar os modelos obtidos pelos dois métodos disponíveis, o
CMVS/PMVS e o MVE, usando os parâmetros definidos por defeito nos dois casos. Mais uma vez,
como o método CMVS/PMVS é o método seleccionado por defeito, os dados do modelo referentes
a esse método encontram-se já registados na Tabela 5.35.
Figura 5.18 – Densificação Teste 2
Tabela 5.48 – Densificação Teste 2: Valores Medidos da Cota L
Modelo Valores das Medições da Cota L [mm] Média [mm]
MVE 6.14 6.11 6.11 6.12
110
Tabela 5.49 – Densificação Teste 2: Valores do Factor de Escala
Modelo Relação do Valor da Cota L do
Modelo com o Valor Real Valor do Factor de Escala
MVE 60.05/6.12 9.81
Tabela 5.50 – Densificação Teste 2: Medições das Cotas do Modelo MVE
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 31.98 32.49 32.22 32.23 33.11
B 19.87 20.50 19.84 20.07 19.26
C 17.07 17.38 17.38 17.28 17.49
G 63.91 63.22 63.92 63.68 61.93
K 35.81 35.99 35.55 35.78 35.30
L 59.95 59.31 59.79 59.68 60.05
M 36.33 36.15 36.28 36.25 35.59
5.4.3.3. Teste 3 – Alteração do Parâmetro Images per Cluster
No Teste 3 o objectivo é comparar modelos com o parâmetro Images per Cluster diferente. Usando o
modelo com o valor por defeito, 100, e com os seus dados já registados como referido nos testes
anteriores da Densificação, e um modelo com o parâmetro definido em 500.
Figura 5.19 – Densificação Teste 3
Tabela 5.51 – Densificação Teste 3: Valores Medidos da Cota L
Modelo Valores das Medições da Cota L [mm] Média [mm]
Images per Cluster 500 5.99 6.04 6.03 6.02
Tabela 5.52 – Densificação Teste 3: Valores do Factor de Escala
Modelo Relação do Valor da Cota L do
Modelo com o Valor Real Valor do Factor de Escala
Images per Cluster 500 60.05/6.02 9.98
111
Tabela 5.53 – Densificação Teste 3: Medições das Cotas do Modelo Images per Cluster 500
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.27 32.63 32.26 32.39 33.11
B 20.68 20.68 20.46 20.61 19.26
C 17.25 16.81 17.07 17.04 17.49
G 64.31 64.32 63.71 64.11 61.93
K 36.10 36.62 36.87 36.53 35.30
L 60.21 60.56 60.48 60.42 60.05
M 36.89 37.84 37.47 37.40 35.59
5.4.3.4. Teste 4 – Alteração do Parâmetro Tamanho de Célula
Este teste tem como objectivo comparar as diferenças nas dimensões das cotas de dois modelos com
Tamanhos de Célula diferentes. Usando o valor por defeito (2) e um outro valor (5), é necessário
apenas registar os dados para este último modelo.
Figura 5.20 – Densificação Teste 4
Tabela 5.54 – Densificação Teste 4: Valores Medidos da Cota L
Modelo Valores das Medições da Cota L [mm] Média [mm]
Tamanho de Célula 5 6.09 6.10 6.09 6.09
Tabela 5.55 – Densificação Teste 4: Valores do Factor de Escala
Modelo Relação do Valor da Cota L do
Modelo com o Valor Real Valor do Factor de Escala
Tamanho de Célula 5 60.05/6.09 9.86
112
Tabela 5.56 – Densificação Teste 4: Medições das Cotas do Modelo Tamanho de Célula 5
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 33.02 32.88 32.95 32.95 33.11
C 17.67 17.97 17.88 17.84 17.49
F 38.47 38.51 38.16 38.38 38.72
G 62.93 62.54 62.99 62.82 61.93
I 35.20 34.90 34.64 34.91 32.80
K 35.75 36.57 36.57 36.30 35.30
L 59.80 59.71 60.10 59.87 60.05
M 36.55 36.34 36.41 36.43 35.99
5.4.3.5. Teste 5 – Alteração do Parâmetro Threshold
Tal como o subtítulo indica, este teste compara dois modelos com valores do parâmetro Threshold
díspares. Usando mais uma vez o modelo com as definições por defeito, que tem um valor de
Threshold definido de 0.7, com um modelo com o valor 0.9, cujos dados das suas dimensões
encontram-se registados nas tabelas abaixo.
Figura 5.21 – Densificação Teste 5
Tabela 5.57 – Densificação Teste 5: Valores Medidos da Cota L
Modelo Valores das Medições da Cota L [mm] Média [mm]
Threshold 0.9 6.08 6.10 6.06 6.08
Tabela 5.58 – Densificação Teste 5: Valores do Factor de Escala
Modelo Relação do Valor da Cota L do
Modelo com o Valor Real Valor do Factor de Escala
Threshold 0.9 60.05/6.08 9.88
113
Tabela 5.59 – Densificação Teste 5: Medições das Cotas do Modelo Threshold 9
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.12 32.44 32.46 32.34 33.11
B 18.95 19.07 19.06 19.03 19.26
C 17.35 17.37 17.15 17.29 17.49
G 63.33 63.19 63.33 63.28 61.93
K 36.07 36.22 36.50 36.26 35.30
L 59.81 59.97 59.86 59.88 60.05
M 36.46 36.19 36.19 36.28 35.59
5.4.3.6. Teste 6 – Alteração do Parâmetro wsize
Neste teste alterou-se o valor do parâmetro wsize e comparou-se o modelo resultante com o modelo
obtido com os parâmetros definidos por defeito. Para o novo modelo foi seleccionado um valor de
16 para o parâmetro wsize, enquanto o valor por defeito é de 7.
Figura 5.22 – Densificação Teste 6
Tabela 5.60 – Densificação Teste 6: Valores Medidos da Cota L
Modelo Valores das Medições da Cota L [mm] Média [mm]
wsize 16 6.05 5.98 6.03 6.02
Tabela 5.61 – Densificação Teste 6: Valores do Factor de Escala
Modelo Relação do Valor da Cota L do
Modelo com o Valor Real Valor do Factor de Escala
wsize 16 60.05/6.02 9.98
114
Tabela 5.62 – Densificação Teste 6: Medições das Cotas do Modelo wsize 16
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 33.10 33.10 33.02 33.07 33.11
B 20.19 19.81 20.11 20.04 19.26
C 17.74 18.21 18.18 18.04 17.49
G 63.88 64.39 64.42 64.23 61.93
K 36.25 36.69 36.51 36.48 35.30
L 60.42 60.19 60.40 60.34 60.05
M 37.13 37.45 37.12 37.23 35.59
5.4.3.7. Teste 7 – Alteração do Parâmetro Número Mínimo de
Imagens
O modelo obtido com os valores dos parâmetros seleccionados por defeito tem definido duas
imagens como Número Mínimo de Imagens. De forma a comparar as alterações que este parâmetro
implica no modelo final, o Teste 7 compara o referido modelo com um outro modelo com um
Número Mínimo de Imagens definido como três.
Figura 5.23 – Densificação Teste 7
Tabela 5.63 – Densificação Teste 7: Valores Medidos da Cota L
Modelo Valores das Medições da Cota L [mm] Média [mm]
Número Mínimo de Imagens 3
6.03 6.04 6.04 6.04
Tabela 5.64 – Densificação Teste 7: Valores do Factor de Escala
Modelo Relação do Valor da Cota L do
Modelo com o Valor Real Valor do Factor de Escala
Número Mínimo de Imagens 3 60.05/6.04 9.94
115
Tabela 5.65 – Densificação Teste 7: Medições das Cotas do Modelo Número Mínimo de Imagens 3
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 33.28 32.97 32.85 33.03 33.11
B 19.87 19.39 19.59 19.62 19.26
C 17.23 16.90 16.91 17.01 17.49
G 63.33 63.75 63.28 63.45 61.93
K 35.86 36.65 36.13 36.21 35.30
L 59.30 59.51 59.54 59.45 60.05
M 37.44 37.73 37.78 37.65 35.59
5.4.3.8. Teste 8 – Alteração do Parâmetro Largura de Filtro
Neste teste são comparados dois modelos com diferentes valores para o parâmetro Largura de Filtro
no método MVE. Usando o valor seleccionado automaticamente quando escolhido o método MVE,
ou seja, o valor 5, e um novo valor, 9, é apenas necessário realizar medições neste último modelo,
visto que o primeiro modelo já tem as medições registadas na Tabela 5.50
Figura 5.24 – Densificação Teste 8
Tabela 5.66 – Densificação Teste 8: Valores Medidos da Cota L
Modelo Valores das Medições da Cota L [mm] Média [mm]
Largura de Filtro 9 6.06 6.08 6.04 6.06
Tabela 5.67 – Densificação Teste 8: Valores do Factor de Escala
Modelo Relação do Valor da Cota L do
Modelo com o Valor Real Valor do Factor de Escala
Largura de Filtro 9 60.05/6.06 9.91
116
Tabela 5.68 – Densificação Teste 8: Medições das Cotas do Modelo Largura de Filtro 9
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.54 32.35 32.32 32.40 33.11
B 20.04 19.83 19.57 19.81 19.26
C 16.82 16.78 17.09 16.90 17.49
G 64.29 63.94 63.92 64.05 61.93
K 36.55 36.70 36.16 36.47 35.30
L 60.65 60.78 59.86 60.43 60.05
M 36.68 36.49 36.25 36.47 35.59
5.4.4. Superfícies
Na última fase, a Criação de Superfície, nem todos os parâmetros foram estudados, pois alterando os
seus valores, os modelos resultantes seriam ficheiros com tamanhos enormes (Depth) e impossíveis
de executar medições pois o software não conseguia correr os mesmos, ou modelos completamente
distorcidos (Scale) e com as arestas longes das arestas da peça original, e num caso, o próprio
programa não conseguir criar mesmo um modelo (Levels). Deste modo, os parâmetros referidos
foram inalterados ficando assim os valores seleccionados por defeito. Mais uma vez de referir que a
versão do Regard3D não se trata de uma versão final. Todos os outros parâmetros resultaram em
modelos satisfatórios, e os testes executados são apresentados de seguida.
5.4.4.1. Teste 1 – Alteração do Parâmetro Samples per Node
Este primeiro teste compara os valores das cotas que são medidas tendo sido alterado os valores de
Samples per Node para 13, enquanto o valor por defeito é 1, e os resultados obtidos são
apresentados abaixo.
Figura 5.25 – Superfície Teste 1
117
Tabela 5.69 – Superfície Teste 1: Valores Medidos da Cota L
Modelo Valores das Medições da Cota L [mm] Média [mm]
Samples per Node 13 6.11 6.09 6.11 6.10
Tabela 5.70 – Superfície Teste 1: Valores do Factor de Escala
Modelo Relação do Valor da Cota L do
Modelo com o Valor Real Valor do Factor de Escala
Samples per Node 13 60.05/6.10 9.84
Tabela 5.71 – Superfície Teste 1: Medições das Cotas do Modelo Samples per Node 13
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.81 32.38 32.28 32.33 33.11
B 19.99 20.34 20.52 20.28 19.26
C 16.59 16.24 16.69 16.51 17.49
G 63.11 62.65 62.78 62.85 61.93
K 36.09 36.44 36.04 36.19 35.30
L 59.34 59.32 59.55 59.40 60.05
M 37.33 37.65 37.88 37.62 35.59
5.4.4.2. Teste 2 – Alteração do Parâmetro Point Weight
No Teste 2 o parâmetro Point Weight, que por defeito tem o seu valor seleccionado em 4, foi
alterado para o dobro, 8, e as medições feitas no modelo resultante estão registadas nas tabelas que
se seguem.
Figura 5.26 – Superfície Teste 2
118
Tabela 5.72 – Superfície Teste 2: Valores Medidos da Cota L
Modelo Valores das Medições da Cota L [mm] Média [mm]
Point Weight 8 6.08 6.04 6.09 6.07
Tabela 5.73 – Superfície Teste 2: Valores do Factor de Escala
Modelo Relação do Valor da Cota L do
Modelo com o Valor Real Valor do Factor de Escala
Point Weight 8 60.05/6.07 9.89
Tabela 5.74 – Superfície Teste 2: Medições das Cotas do Modelo Point Weight 8
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 33.09 32.96 33.25 33.10 33.11
B 19.03 19.06 19.06 19.05 19.26
C 17.15 17.22 17.22 17.20 17.49
G 63.72 63.87 63.84 63.81 61.93
K 36.41 36.43 36.29 36.38 35.30
L 59.85 59.66 59.75 59.75 60.05
M 38.09 37.81 37.49 37.80 35.59
5.4.4.3. Teste 3 – Alteração do Parâmetro Trim Threshold
As tabelas abaixo registam os valores das cotas medidas de dois modelos com o parâmetro Trim
Threshold alterado de 5 para um valor inferior e um valor superior, 1 e 9 respectivamente.
Figura 5.27 – Superfície Teste 3
119
Tabela 5.75 – Superfície Teste 3: Valores Medidos da Cota L
Modelo Valores das Medições da Cota L [mm] Média [mm]
Trim Threshold 1 6.01 6.04 6.02 6.02
Trim Threshold 9 6.01 5.99 6.00 6.00
Tabela 5.76 – Superfície Teste 3: Valores do Factor de Escala
Modelo Relação do Valor da Cota L do
Modelo com o Valor Real Valor do Factor de Escala
Trim Threshold 1 60.05/6.02 9.98
Trim Threshold 9 60.05/6.00 10.01
Tabela 5.77 – Superfície Teste 3: Medições das Cotas do Modelo Trim Threshold 1
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 33.18 33.03 32.83 33.01 33.11
B 19.62 19.39 19.82 19.61 19.26
C 17.21 17.35 17.23 17.26 17.49
G 64.06 63.95 64.16 64.06 61.93
K 36.82 36.79 36.66 36.76 35.30
L 59.97 60.13 60.19 60.10 60.05
M 37.84 37.92 38.05 37.94 35.59
Tabela 5.78 – Superfície Teste 3: Medições das Cotas do Modelo Trim Threshold 9
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 32.94 33.01 32.99 32.98 33.11
B 19.57 20.31 16.6 18.83 19.26
C 16.73 17.02 17.18 16.98 17.49
G 64.33 64.14 64.88 64.45 61.93
K 36.79 36.99 36.81 36.86 35.30
L 60.27 60.54 60.42 60.41 60.05
M 38.5 38.9 38.93 38.78 35.59
5.4.4.4. Teste 4 – Alteração do Parâmetro Confidence Threshold
Neste teste o objectivo é comparar um modelo obtido pelo método Floating Scale Surface
Reconstruction, alterando o parâmetro Confidence Threshold de 1 para 10. Como o modelo registado
na Tabela 5.50 é o modelo com os parâmetros seleccionados por defeito, então basta apenas realizar
as medições para o modelo com o parâmetro alterado para 10.
120
Figura 5.28 – Superfície Teste 4
Tabela 5.79 – Superfície Teste 4: Valores Medidos da Cota L
Modelo Valores das Medições da Cota L [mm] Média [mm]
Confidence Threshold 10 6.13 6.13 6.14 6.13
Tabela 5.80 – Superfície Teste 4: Valores do Factor de Escala
Modelo Relação do Valor da Cota L do
Modelo com o Valor Real Valor do Factor de Escala
Confidence Threshold 10 60.05/6.13 9.80
Tabela 5.81 – Superfície Teste 4: Medições das Cotas do Modelo Confidence Threshold 10
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 31.35 31.88 31.75 31.66 33.11
B 20.26 19.82 20.39 20.16 19.26
C 17.42 17.23 17.08 17.24 17.49
G 64.1 64.1 64.35 64.18 61.93
K 35.88 36.09 36.14 36.04 35.30
L 59.94 59.87 59.9 59.90 60.05
M 35.84 35.48 35.92 35.75 35.59
121
5.4.4.5. Teste 5 – Alteração do Parâmetro Minimum Component Size
O último teste também compara um modelo obtido pelo método Floating Scale Surface
Reconstruction, mas com o parâmetro Minimum Component Size diferente do seleccionado por
defeito, i.e., 1010 modificado para 4068. Como referido anteriormente o modelo que possui os
valores seleccionados por defeito já foi medido, logo, basta apenas registar os valores medidos para
o novo valor do parâmetro nas tabelas seguintes.
Figura 5.29 – Superfície Teste 5
Tabela 5.82 – Superfície Teste 5: Valores Medidos da Cota L
Modelo Valores das Medições da Cota L [mm] Média [mm]
Min. Component Size 4068
6.10 6.12 6.13 6.12
Tabela 5.83 – Superfície Teste 5: Valores do Factor de Escala
Modelo Relação do Valor da Cota L do
Modelo com o Valor Real Valor do Factor de Escala
Min. Component Size 4068 60.05/6.12 9.81
Tabela 5.84 – Superfície Teste 5: Medições das Cotas do Modelo Minimum Component Size 4068
Cota Medições [mm] Média [mm] Valores de
Referência [mm]
A 33.19 32.56 33.07 32.94 33.11
B 19.37 19.33 19.78 19.49 19.26
C 17.46 17.99 17.77 17.74 17.49
G 63.40 63.42 63.10 63.31 61.93
K 36.15 36.05 36.22 36.14 35.30
L 59.89 59.98 60.02 59.96 60.05
M 35.98 36.08 36.25 36.10 35.59
122
123
6. Análise de Resultados
Neste capítulo é realizada a análise aos valores das cotas medidas em cada teste. Para uma
comparação dos diferentes valores entre os vários modelos e os valores das cotas da peça real, é
feito um somatório de todas as diferenças absolutas entre o valor médio e o valor real. Seja um
modelo 𝑀 com 𝑛 cotas, 𝑀1, 𝑀2, … , 𝑀𝑛 …, com os respectivos valores médios 𝑉1, 𝑉2, … , 𝑉3, e com os
valores verdadeiros das cotas da peça real definidos como 𝑉1, 𝑉2, … , 𝑉3. O somatório da diferença
absoluta entre o valor médio medido e o valor verdadeiro de cada cota, é expresso na seguinte
equação:
∑|𝑉𝑖 − 𝑉𝑖|
𝑛
𝑖
(6.1)
É a partir da expressão (6.1) que a exactidão dos valores das cotas pertencentes aos modelos com
diferentes definições de parâmetros é comparada, além do tempo de processamento que cada etapa
do processo de construção do modelo final requer, bem como a quantidade de ruído gerado.
124
6.1. Resultados do Agisoft PhotoScan
O PhotoScan permite obter, de forma relativamente fácil, um modelo de uma peça final a partir de
um conjunto de fotografias tiradas em condições normais. As suas ferramentas de criação de
máscara permitem obter modelos completos, o que se torna uma grande mais-valia porque nem
sempre existem condições de os objectos serem fotografados com todo um cenário com o mesmo
padrão de cor ou que não sejam capturadas outras superfícies não desejadas. Infelizmente a tarefa
de criação de máscara aplicada a todo o conjunto de fotografias utilizado acaba por ser um processo
muito moroso, estando não só dependente do número de fotografias, mas também da qualidade das
mesmas e da geometria da peça. No entanto, o uso destas ferramentas permite que os modelos
finais obtidos possuam muito pouco ruído, e a sua remoção é muitas vezes completa apenas com a
transformação do modelo para sólido.
A taxa de fotografias rejeitadas na fase de Alinhamento é muito pequena, mesmo com fotografias
um pouco desfocadas, e as que acabam por ser, são facilmente identificadas pelo programa, o que é
uma grande ajuda, pois pode-se exclui-las do conjunto e tirar novas apenas às superfícies em falta.
Tanto as fotografias tiradas com o objecto em repouso e a câmara a movimentar-se ao redor – ou de
forma equivalente, com a câmara fixa e a peça numa plataforma giratória – ou fotografias tiradas a
seções diferentes da superfície da peça, podem ser utilizadas para a reconstrução do modelo final,
não exigindo nenhum conhecimento prévio na área da fotografia para que o modelo seja próximo da
peça real.
O facto de não haver muitos parâmetros de selecção, permite ao utilizador não criar muitas
incertezas sobre quais os valores a seleccionar, e com excepção das configurações muito elevadas,
qualquer sistema normal consegue originar um modelo final.
125
6.1.1. Análise dos Resultados dos Testes
A etapa de Alinhamento é aquela onde o utilizador terá de despender a maioria do tempo, devido à
necessidade de editar as fotografias para construir as respectivas máscaras. Os restantes
procedimentos não possuem muitos parâmetros, o que faz com que a selecção dos mesmos seja
breve, e tirando o número de pontos-chave e o número de pontos-nó, os restantes parâmetros não
exigem a introdução de um valor, apenas da escolha de uma configuração pré-seleccionada. Se os
pontos calculados inicialmente não forem suficientes, a qualidade do modelo final será severamente
afectada. A Figura 6.1 contém o número médio de pontos para cada configuração testada na fase de
Alinhamento. Como referido no capítulo anterior, os modelos obtidos com a precisão definida em
Baixa e Muito Baixa não eram modelos completos, e muita das vezes longe até da forma da peça
real. É claro pelo gráfico abaixo que os modelos com essas configurações têm sensivelmente os
mesmos pontos de forma transversal a todas as combinações de número de pontos-chave e pontos-
nó. Também é perceptível que para as restantes precisões, o número de pontos aumenta
consideravelmente com o aumento do número de pontos-nó, e que para 1000 pontos-nó a precisão
Média é aquela que consegue resultados com uma maior quantidade de pontos, seguida da precisão
Elevada. O que leva a ser possível concluir que com um número de pontos-nó baixo os modelos com
a precisão Muito Elevada não sãos os que mais pontos possuem. Incrementando o valor desse
parâmetro, os modelos com as definições mais altas têm muito mais pontos do que os restantes.
Figura 6.1 – PhotoScan: Número Médio de Pontos
70
49
55
61
53
07
57
96
2
51
65
3
49
93
3
84
67
83
44
85
44
48
96
8
48
98
8
48
91
7
11
11
6
11
04
9
11
07
0
23
47
6
23
53
2
23
51
8
46
34
49
65
45
30
46
50
48
38
45
87
64
9
62
5
65
1
65
1
62
8
60
9
0
10000
20000
30000
40000
50000
60000
70000
40 000/1000 100 000/1000 Máx/1000 40 000/4000 100 000/4000 Máx/4000
Número Médio de Pontos Obtidos na Fase de Alinhamento
Muito Elevada Elevada Média Baixa Muito Baixa
126
Seria expectável que um número maior de pontos calculados implicaria um tempo superior de
processamento. No entanto, observando o gráfico da Figura 6.2, os tempos para cada precisão são
similares para os mesmos números de pontos-nó. O que permite desde já afirmar que, pelo menos
para a primeira fase, para o mesmo conjunto de fotografias com exactamente as mesmas máscaras
aplicadas, o tempo de processamento é apenas dependente do número de pontos-chave.
Figura 6.2 – PhotoScan: Tempo de Execução do Alinhamento
Pelas diferenças entre as cotas medidas dos modelos com diferentes pontos-chave e os valores reais
(Tabela 6.1), o modelo que apresenta resultados mais exactos é o modelo com 40 000 pontos-chave,
com um somatório de diferenças dos modelos com 100 000 e o valor máximo de, respectivamente,
42.67% e 14.84% superior em relação ao primeiro modelo. O número de pontos-chave em 100 000 e
no seu valor máximo demora cerca do dobro do tempo na fase de Alinhamento e os resultados são
menos próximos que os valores reais. Tal como descrito no manual do programa [26], definir um
número de pontos muito alto pode levar ao surgimento de pontos não fiáveis. Assim, em caso de
dúvida de qual o valor do número de pontos a seleccionar, é preferível apontar para um número
mais baixo do que valores muito elevados.
16
,28
29
,28 3
3,4
2
16
,99
29
,69 3
3,8
7
6,2
0
6,1
7
6,2
0
6,5
0
6,4
5
6,5
2
1,8
3
1,8
2
1,8
5
1,8
7
1,8
7
1,9
3
0,7
8
0,8
2
0,7
8
0,8
2
0,8
0
0,8
2
0,4
5
0,4
5
0,4
7
0,4
5
0,4
5
0,4
7
0
5
10
15
20
25
30
35
40
40 000/1000 100 000/1000 Máx/1000 40 000/4000 100 000/4000 Máx/4000
Tempo [min] de Execução da Fase de Alinhamento
Muito Elevada Elevada Média Baixa Muito Baixa
127
Tabela 6.1 – PhotoScan: Diferenças entre os Valores dos Modelos do Teste 1 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm]
Modelo 40 000/4000
Modelo 100 000/4000
Modelo Máx/4000
A 33.11 0.13 0.75 0.58
B 19.26 0.32 0.61 0.02
C 17.49 0.56 0.04 0.24
D 24.21 0.32 0.47 0.34
E 12.93 0.44 0.08 0.03
F 38.72 0.66 0.29 0.55
G 61.93 0.39 1.32 0.12
H 19.90 0.10 0.03 0.69
I 32.80 0.17 0.04 0.24
J 49.43 0.68 0.72 1.05
K 35.30 0.99 1.47 0.91
L 60.05 0.33 0.93 0.71
M 35.59 0.30 0.93 0.70
N 8.11 0.00 0.01 0.01
Total [mm] 5.39 7.69 6.19
Outro factor que pode levar a que diferentes modelos tenham diferentes valores nas suas cotas, é a
reconstrução de certas áreas do modelo que não foram definidas. Geralmente por poucas fotografias
terem capturado essas mesmas áreas. A Figura 6.3 ilustra um modelo em que as faces da peça que
serviram de base não foram, naturalmente, definidas por estarem ausentes de qualquer fotografia.
Quando o AutoDesk Meshmixer converte para sólido este mesmo modelo, as faces ausentes irão ser
construídas sem nenhuma informação prévia, o que pode levar a que as suas dimensões sejam
diferentes da peça real. Uma forma de minimizar este problema é acrescentar ao conjunto de
fotografias usado, fotografias novas com outra face a servir de base. Esta solução foi empregada, por
exemplo, na definição do modelo da peça B.
Figura 6.3 – PhotoScan: Faces da Base do Modelo
128
No segundo teste foi usado um modelo com um número de pontos-nó diferente, 1000, e com 40 000
pontos-chave, e as diferenças dos valores das cotas medidas em relação à peça real são apresentadas
na tabela seguinte.
Tabela 6.2 – PhotoScan: Diferenças entre os Valores dos Modelos do Teste 2 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm]
Modelo 40 000/1000
Modelo 40 000/4000
A 33.11 0.11 0.13
B 19.26 0.17 0.32
C 17.49 0.07 0.56
D 24.21 0.52 0.32
E 12.93 0.39 0.44
F 38.72 0.44 0.66
G 61.93 1.05 0.39
H 19.90 0.11 0.10
I 32.80 0.10 0.17
J 49.43 1.53 0.68
K 35.30 1.33 0.99
L 60.05 1.68 0.33
M 35.59 1.00 0.30
N 8.11 0.01 0.00
Total 8.51 5.39
O somatório das diferenças do modelo com 1000 pontos-nó é 57.88% superior ao somatório do
modelo com 4000, tendo apenas seis cotas, em catorze, com diferenças inferiores para o valor real.
As cotas em que a diferença é substancialmente elevada, são as cotas D, G, J, K, L e M. Tirando as
cotas G, K e M, todas as outras são medidas em áreas em que ouve ausência de construção
inicialmente, só sendo preenchidos esses espaços quando o modelo foi convertido para sólido. A
Figura 6.4 mostra a face da base reconstruída onde é possível notar a quase falta de rugosidade que
caracteriza o resto do modelo. A face reconstruída é praticamente lisa, não possuindo praticamente
qualquer saliência. No caso em que a peça real possa ser assente em mais do que uma face, é
preferível que a face escolhida seja aquela que idealmente se poderia considerar lisa, de forma a que
o modelo final se aproxime o mais possível da peça real em termos de geometria. Em termos de
tempo de execução desta fase de Alinhamento, a redução de tempo em 2.14% usando menos
pontos-nó, claramente não compensa, pois o resultado é um modelo muito menos exacto.
129
Figura 6.4 – PhotoScan: Faces da Base do Modelo Reconstruída
Analisando os modelos com diferentes precisões de Alinhamento, pelos dados recolhidos no Teste 3,
os resultados são os expectáveis. Nos somatórios da diferença das cotas do três modelos da Tabela
6.3, com três níveis de precisão (Média, Elevada e Muito Elevada), os resultados indicam que quanto
maior for a precisão do Alinhamento mais próximo será o modelo final da peça real em termos de
dimensões. Os modelos com as precisões Elevada e Muito Elevada possuem, respectivamente, um
somatório de 1.30% e de 39.33% inferior ao somatório do modelo com a precisão Normal, o que
demonstra que a definição mais elevada consegue resultados muito superiores em relação aos
restantes modelos, e que os modelos com precisões Normal e Elevada têm resultados quase
similares.
Tabela 6.3 – PhotoScan: Diferenças entre os Valores dos Modelos do Teste 3e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm]
Modelo 40 000/4000
Normal
Modelo 40 000/4000
Elevada
Modelo 40 000/4000 Muito
Elevada
A 33.11 0.13 0.47 0.28
B 19.26 0.32 0.17 0.11
C 17.49 0.56 0.10 0.20
D 24.21 0.32 0.11 0.45
E 12.93 0.44 0.26 0.20
F 38.72 0.66 0.09 0.02
G 61.93 0.39 0.10 0.08
H 19.90 0.10 0.62 0.08
I 32.80 0.17 0.27 0.11
J 49.43 0.68 0.48 0.04
K 35.30 0.99 0.88 0.63
L 60.05 0.33 0.93 0.73
M 35.59 0.30 0.83 0.33
N 8.11 0.00 0.01 0.01
Total 5.39 5.32 3.27
130
No Teste 4 o objectivo foi comparar modelos com diferentes precisões da Construção da Nuvem
Densa. Os modelos têm 40 000 pontos-chave e 1000 pontos-nó com uma definição Normal para a
precisão do Alinhamento. O modelo com a definição Elevada é aquele que apresenta as cotas com
menor diferença em relação ao valor real (Tabela 6.4), seguido do modelo Normal, e como
expectável, o modelo com o parâmetro da precisão definido como Baixa é aquele em que o
somatório de diferenças é maior. O aumento da precisão implica uma redução dos somatórios de
12.72% entre a precisão Baixa e a Média, e de 4.11% entre a precisão Média e Elevada, o que leva a
poder concluir que os somatórios de diferenças não diminuem na mesma proporção por cada nível
superior de precisão seleccionado. O tempo, em minutos, de processamento desta fase de
densificação da nuvem de pontos para cada modelo foi, da precisão Baixa à Elevada, de 1.45, 6.10 e
42.55. Ou seja, para uma redução de 4.11% no somatório de diferenças é necessário um tempo
597.54% superior em relação ao modelo Normal, tornando assim a definição de uma precisão
Elevada não aconselhável caso o tempo de processamento for uma limitação.
Tabela 6.4 – PhotoScan: Diferenças entre os Valores dos Modelos do Teste 4 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm]
Modelo Densificação Baixa
Modelo Densificação
Normal
Modelo Densificação
Elevada
A 33.11 0.41 0.11 0.26
B 19.26 0.08 0.17 1.18
C 17.49 0.20 0.07 0.21
D 24.21 1.35 0.52 0.44
E 12.93 0.49 0.39 0.19
F 38.72 1.11 0.44 0.71
G 61.93 0.21 1.05 0.56
H 19.90 0.08 0.11 0.22
I 32.80 0.02 0.10 0.00
J 49.43 0.85 1.53 0.38
K 35.30 1.66 1.33 1.25
L 60.05 1.26 1.68 2.22
M 35.59 2.03 1.00 0.53
N 8.11 0.00 0.01 0.01
Total 9.75 8.51 8.16
131
Ainda inserido na fase de Construção da Nuvem Densa encontra-se o parâmetro de Filtragem de
Profundidade, com várias definições já mencionadas anteriormente. Escolhendo os dois níveis
opostos, Agressive e Mild, no Teste 5 foram comparados dois modelos, com todos os restantes
parâmetros iguais, e cada um com um nível de Filtragem de Profundidade diferente. Com a definição
Mild os pequenos detalhes da peça real terão uma maior influencia no modelo final. Pela análise dos
resultados expostos na Tabela 6.5, a diferenças entre os dois modelos é pouco significativa, com a
definição Mild a ter um tempo de processamento 0.63 minutos mais rápido, e a ter oito das catorze
cotas com uma diferença superior ao modelo com a definição Agressive. Como a peça real utilizada
não possui muitos detalhes que se possam considerar pequenos – talvez algumas fendas ou partes
da superfície lascadas e riscadas – tais como as restantes peças neste estudo, não é completamente
clara a eficácia real deste parâmetro. No entanto, face a uma pequena diferença, uma redução de
3.08% no somatório das diferenças, e com apenas um aumento de 11.52% do tempo de
processamento nesta fase, e se a precisão escolhida não for acima do nível médio (porque o tempo é
bastante superior), então a configuração Agressive pode apresentar melhores resultados no modelo
final.
Tabela 6.5 – PhotoScan: Diferenças entre os Valores dos Modelos do Teste 5 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm]
Modelo Agressive
Modelo Mild
A 33.11 0.11 0.91
B 19.26 0.17 0.19
C 17.49 0.07 0.03
D 24.21 0.52 0.59
E 12.93 0.39 0.36
F 38.72 0.44 0.36
G 61.93 1.05 1.26
H 19.90 0.11 0.50
I 32.80 0.10 0.18
J 49.43 1.53 0.52
K 35.30 1.33 1.58
L 60.05 1.68 1.45
M 35.59 1.00 0.83
N 8.11 0.01 0.02
Total 8.51 8.78
132
6.2. Resultados do Regard3D
Antes de se começar a análise dos resultados obtidos no capítulo anterior, é importante referir mais
uma vez que as fotografias das peças reais foram tiradas de forma amadora e com recurso a fundos
de cor azul, preta ou magenta. Deste modo, as fotografias conseguidas e utilizadas neste estudo não
são fotografias tiradas em condições ideais, e como tal é seguro afirmar que os resultados obtidos
teriam sido muito melhores se fosse usado um estúdio profissional. O programa Regard3D é
extremamente sensível à qualidade das fotografias, sendo que o principal factor que contribui para
uma fotografia ser mais razoável que outra é a intensidade luminosa. Por exemplo, as fotografias
tiradas em dias mais nublosos tiveram que ser excluídas do estudo porque nas primeiras fases de
construção do modelo o programa considerava que os pontos obtidos não eram suficientes. Ao
contrário do PhotoScan, que com mais ou com menos ruído, praticamente qualquer fotografia é
validada pelo software, no caso do Regard3D sucede-se o inverso, pois a maioria das fotografias
obtidas tiveram se ser excluídas.
Outro factor importante está relacionado com o tipo de superfícies das peças, pois mesmo colocando
marcadores – desde autocolantes a linhas de diferentes cores pintadas na superfície – os resultados
não melhoram consideravelmente. Em peças em que o modelo final não era possível obter, pois o
programa não conseguia muitas vezes realizar a fase de Triangulação devido a pontos insuficientes,
ou nos casos que conseguia apenas uma ou duas posições das fotografias eram reconhecidas,
resultando num número total de pontos inferior a uma dezena, o que impossibilitava que as fases
seguintes fossem realizadas com sucesso, mesmo com a adição de marcadores os resultados eram
semelhantes.
O facto de ser necessário um computador muito acima da média para conseguir correr o programa,
torna todo o processo de obtenção do modelo final mais difícil e moroso, porque mesmo com um
equipamento com boas características, as fases exigem despender ainda um tempo muito
considerável.
133
6.2.1. Análise dos Resultados da Fase de Correspondência
A fase de Correspondência é a fase mais crucial de todo o fluxo de trabalho, pois as fases posteriores
estão dependentes dos pontos localizados, e caso o número de pontos seja insuficiente, então o
próprio programa não consegue executar a etapa seguinte. Uma das primeiras conclusões que se
pode retirar, com o auxílio da Tabela 5.26, é que independentemente de qualquer que seja o valor
seleccionado para o rácio de correspondência dos pontos-chave o número de pontos será igual. O
valor mínimo, o máximo e médio de pontos são exactamente os mesmos, estando os mesmos
apenas dependentes do valor escolhido para o parâmetro da sensibilidade. Na Figura 6.5 é possível
observar que o número de pontos é claramente inversamente proporcional à sensibilidade dos
pontos-chave, pois reduzindo a sensibilidade sucessivamente em 30%, 28.6% e 80% em relação ao
valor anterior, os pontos aumentaram em média 61.2%, 46.6% e 246.8% respectivamente. Ou seja,
se o objectivo for um grande número de pontos-chave, então a sensibilidade terá de ser a menor
possível.
Figura 6.5 – Número de Pontos da Fase de Correspondência da Peça A para os Diferentes Parâmetros de Sensibilidade e Rácio de Correspondência dos Pontos-Chave
14
3
20
4
31
2 3 8
52
4 5
78
7 3
81
10
82
2
37
53
3
23
30
8 34
87
3 48
25
5
12
4 4
27
1 4
42
2 9
49
4 5
52
22
39
4
0
20000
40000
60000
80000
100000
120000
140000
Minimal 0.001 Normal 0.0007 High 0.0005 Ultra 0.0001
Número de Pontos da Fase de Correspondência da Peça A
Mínimo Média Máximo Mediana
134
Em contrapartida, quanto menor for a sensibilidade dos pontos-chave maior será o tempo de
processamento. Se em termos de pontos o rácio de correspondência não têm nenhuma influência, já
em termos do tempo de execução não é possível afirmar o mesmo. Como se pode observar pelos
dados da Figura 6.6, o tempo altera nas várias definições para os dois parâmetros seleccionáveis.
Aumentando o valor do rácio de correspondência aumenta o tempo na maioria dos modelos, mas
com a sensibilidade definida no modo Normal e Ultra existem umas pequenas excepções, com um
decréscimo pouco significativo, de 0.2% e de 0.8%, respectivamente nas configurações 0.0007/0.8 e
0.0001/0.7. Visto que o equipamento poderá ter corrido um outro programa em segundo plano (p.e.
uma actualização, antivírus, etc.) pode-se afirmar que quanto maior for o valor seleccionado para o
parâmetro de rácio de correspondência maior será o tempo de execução.
Figura 6.6 – Tempo de Execução das Correspondências da Peça A para os Diferentes Parâmetros de Sensibilidade e Rácio de Correspondência dos Pontos-Chave
Pelo primeiro teste da Correspondência, mais concretamente pela Tabela 5.27 pode-se tirar a
conclusão que as dimensões do modelo não têm alguma relação com o rácio de correspondência,
pois os valores das cotas de referência medidas tanto aumentam como diminuem à medida que é
incrementado o valor do rácio de correspondência.
2,8
2
3,3
9 4,9
5
15
,77
2,9
2 4,3
1 5,4
5
15
,64
3,1
4 4,3
0 6,0
1
17
,39
3,4
4 5,2
0 6,2
3
17
,95
0
2
4
6
8
10
12
14
16
18
20
Minimal 0.001 Normal 0.0007 High 0.0005 Ultra 0.0001
Tempo [min] de Execução das Correspodências da Peça A
Normal 0.6 Higher 0.7 High 0.8 Ultra 0.9
135
Comparando as diferenças entre os valores médios resultantes das três medições realizadas a cada
cota e o valor verdadeiro, a soma das diferenças para cada modelo e o seu total é apresentado na
Tabela 6.6. Facilmente se observa que o modelo 0.001/0.9 é aquele que apresenta um menor
somatório de diferenças face aos valores verdadeiros das cotas. É também fácil de perceber que
quanto mais alto for o valor do rácio de correspondência menor será o somatório do erro, tal como
seria expectável.
Tabela 6.6 – Regard3D Correspondências: Diferenças entre os Valores dos Modelos do Teste 1 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm]
Modelo 0.001/0.6
Modelo 0.001/0.7
Modelo 0.001/0.8
Modelo 0.001/0.9
A 33.11 0.92 0.48 0.31 0.24
B 19.26 0.32 0.69 0.35 0.26
C 17.49 0.97 1.14 0.47 0.88
G 61.93 1.56 1.31 1.48 0.99
K 35.30 1.36 1.15 0.68 0.47
L 60.05 0.13 0.37 0.48 0.39
M 35.59 2.13 1.79 2.17 0.48
Total [mm] 7.39 6.93 5.94 3.71
No Teste 2 pode-se também concluir que o parâmetro de sensibilidade dos pontos-chave não tem
nenhuma influência no tamanho das dimensões dos modelos, como registado pela medição das
cotas de referência na Tabela 5.33, tal como o parâmetro do rácio de correspondência. No entanto,
pela Tabela 6.7 o modelo 0.001/0.6 possui um somatório menor que o modelo 0.0007/0.6, o que não
seria de prever. Quase todas as cotas do modelo 0.0007/0.6 apresentam uma diferença superior às
cotas do modelo 0.001/0.6, e por isso pode-se assumir, com alguma segurança, que não se trata de
um erro de medição. Os parâmetros 0.0007/0.6 são os parâmetros definidos por defeito pelo
Regard3D, o que poderá significar que são os parâmetros que se adequam à maioria dos objectos,
não sendo o caso da peça em estudo. Todas os restantes modelos indicam que quanto menor for o
valor seleccionado para a sensibilidade dos pontos-chave menor será o somatório das diferenças dos
erros, o que também seria de esperar pois são os parâmetros que requerem um maior tempo de
execução.
136
Tabela 6.7 – Regard3D Correspondências: Diferenças entre os Valores dos Modelos do Teste 2 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm]
Modelo 0.001/0.6
Modelo 0.0007/0.6
Modelo 0.0005/0.6
Modelo 0.0001/0.6
A 33.11 0.92 0.33 1.41 0.20
B 19.26 0.32 0.99 0.76 0.54
C 17.49 0.97 1.16 0.19 0.80
G 61.93 1.56 1.86 1.84 1.49
K 35.30 1.36 1.06 1.17 0.81
L 60.05 0.13 0.87 0.13 0.17
M 35.59 2.13 2.61 1.59 2.05
Total [mm] 7.39 8.88 7.09 6.06
6.2.2. Análise dos Resultados da Fase de Triangulação
Na fase de Triangulação para os dois métodos disponíveis, Incremental e Global, existe uma opção
de aperfeiçoamento dos parâmetros intrínsecos. No Teste 1 desta fase comparam-se dois modelos
obtidos pelo método Incremental, tendo um a opção de aperfeiçoamento ligada e o outro modelo
com a mesma opção desligada, sendo os restantes parâmetros iguais entre os dois modelos. Ambos
os modelos têm como configuração de Correspondência 0.001/0.6. No modelo com o
aperfeiçoamento desligado a cota A e a cota B não são possíveis de medir devido ao ruído, e como
tal apenas se comparam as cotas que são mensuráveis em ambos os modelos. No entanto, tendo em
conta os dados mostrados na Tabela 6.8, é o modelo sem aperfeiçoamento que apresenta uma
diferença menor em relação aos valores verdadeiros, em todas as cotas possíveis de serem medidas.
O que indica que, pelo menos no modo Incremental, o modo com a opção desligada é mais preciso,
mas que o aperfeiçoamento reduz o ruído.
Tabela 6.8 – Regard3D Triangulação: Diferenças entre os Valores dos Modelos do Teste 1 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm] Modelo Incremental Aperfeiçoamento On
Modelo Incremental Aperfeiçoamento Off
C 17.49 0.97 0.74
G 61.93 1.56 0.21
K 35.30 1.36 1.36
L 60.05 0.13 0.09
M 35.59 2.13 1.35
Total [mm] 6.15 3.75
137
Com os resultados do segundo teste, Tabela 6.9, onde se compara os efeitos que a opção de
aperfeiçoamento tem nos modelos obtidos pelo método Global, não se podem tirar as mesmas
ilações. A diferença dos somatórios indica que o modelo com aperfeiçoamento é o mais adequado,
mas uma observação mais atenta aos valores cota a cota, permite descobrir que os valores são na
verdade mais similares do que o somatório leva a crer. Em concreto o resultado da cota B para o
modelo sem aperfeiçoamento, que tem uma diferença de 244% em relação ao resultado do outro
modelo. Ora a cota B é delimitada por uma aresta que no modelo é bastante irregular devido ao
ruído. Se for excluída a diferença de valores da cota B, os resultados dos somatórios para os modelos
com aperfeiçoamento e sem aperfeiçoamento seriam, respectivamente, 4.08 e 3.87, o que indicaria
que o modelo sem aperfeiçoamento seria o mais adequado, à semelhança do método Incremental.
Deste modo, pode-se afirmar que para ambos os métodos de Triangulação a opção de
aperfeiçoamento tem como consequência um modelo final mais livre de ruído, com um maior
número de cotas mensuráveis, mas com a opção desligada o modelo final será ligeiramente mais
preciso em relação à peça real.
Tabela 6.9 – Regard3D Triangulação: Diferenças entre os Valores dos Modelos do Teste 2 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm] Modelo Global
Aperfeiçoamento On Modelo Global
Aperfeiçoamento Off
A 33.11 0.82 0.86
B 19.26 0.34 1.17
C 17.49 0.24 0.05
K 35.30 0.67 0.62
L 60.05 0.12 0.22
M 35.59 2.23 2.12
Total [mm] 4.42 5.04
Por último, comparando as diferenças entre os dois métodos, Teste 3, em termos de precisão de
dimensões e ruído depende do objectivo final que se pretende, pois para uma maior precisão do
modelo tem-se que sacrificar a qualidade do mesmo em termos de ruído. É importante referir que
enquanto o modelo obtido pelo método Incremental tem as suas fases lisas, tal como a peça real, o
modelo obtido pelo método Global tem as faces bastantes rugosas, como mostrado na Figura 6.7.
Assim, e como se procura um modelo o mais próximo possível à peça real, a opção mais adequada
será aquela que permite obter um maior número de semelhanças com a realidade, o que torna mais
viável possuir um modelo com uma precisão ligeiramente inferior mas com a maior percentagem da
peça representada.
138
Figura 6.7 – Regard3D: Modelo com Faces Bastantes Rugosas
Em termos de tempos de processamento (Figura 6.8), verifica-se que o tempo necessário para a fase
de Triangulação é inferior em ambos os modelos obtidos pelo método Global, e como o modelo
apresenta menos arestas e faces definidas, as fases seguintes são também menos morosas. Somando
todos os tempos das diversas fases, é perceptível que o tempo nos modelos obtidos através do
método Incremental é cerca do dobro dos outros modelos.
Figura 6.8 – Regard3D: Tempo de Execução da Triangulação
2,8
2
0,6
0
5,4
4
0,3
6
9,2
2
2,8
2
0,5
8
5,6
1
0,3
7
9,3
9
2,8
2
0,1
1
1,5
1
0,3
1
4,7
5
2,8
2
0,0
9
1,9
5
0,3
1
5,1
8
0,00
1,00
2,00
3,00
4,00
5,00
6,00
7,00
8,00
9,00
10,00
Correspondência Triangulação Densificação Superfície Tempo Total
Tempo [min] dos Modelos dos Testes de Triangulação
Incremental Aperfeiçoamento On Incremental Aperfeiçoamento Off
Global Aperfeiçoamento On Global Aperfeiçoamento Off
139
6.2.3. Análise dos Resultados da Fase de Densificação
A fase de Densificação foi aquela que permitiu executar o maior número de testes devido à
quantidade de parâmetros de selecção disponíveis. O primeiro dos testes aplica-se ao parâmetro de
Visibilidade, que por defeito se encontra ligado, e para um modelo com a configuração inicial de
Correspondência Normal/Normal (0.0007/0.6), os resultados dos modelos com a opção ligada e
desligada encontram-se na Tabela 6.10. Existem cotas no modelo com a opção desligada em que a
diferença de valores é menor em relação ao modelo com a opção ligada, mas das cotas que
apresentam um valor superior, a cota L diferencia-se 4.08 mm do valor real, o que resulta que o
somatório das diferenças do modelo com visibilidade desligada tem um resultado superior. Em
termos de tempos, o modelo com a opção de visibilidade demorou no conjunto de todas as fases
9.66 minutos contra os 12.97 minutos do modelo com a opção desligada.
Tabela 6.10 – Regard3D Densificação: Diferenças entre os Valores dos Modelos do Teste 1 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm] Modelo Visibilidade On Modelo Visibilidade Off
A 33.11 0.33 0.15
B 19.26 0.99 1.29
C 17.49 1.16 0.40
G 61.93 1.86 1.22
K 35.30 1.06 1.45
L 60.05 0.87 4.08
M 35.59 2.61 1.36
Total [mm] 8.88 9.95
Tempo [min] 9.66 12.97
O segundo teste compara dois modelos com as mesmas configurações de Correspondência e
Triangulação mas com métodos distintos na fase de Densificação. É facilmente perceptível pela
Tabela 6.11 que o modelo obtido pelo método MVE apresenta menores diferenças entre os valores
medidos e os valores reais, excepto na cota A. Em contrapartida, no modelo em questão, o tempo de
processamento é mais que o dobro, 21.95 minutos em relação aos 9.66 minutos que são necessários
para o modelo obtido pelo método CMVS/PMVS. Os dois modelos foram seleccionados com os
parâmetros definidos por defeito.
140
Tabela 6.11 – Regard3D Densificação: Diferenças entre os Valores dos Modelos do Teste 2 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm] Modelo CMVS/PMVS Modelo MVE
A 33.11 0.33 0.87
B 19.26 0.99 0.81
C 17.49 1.16 0.21
G 61.93 1.86 1.75
K 35.30 1.06 0.48
L 60.05 0.87 0.37
M 35.59 2.61 0.66
Total [mm] 8.88 5.15
Tempo [min] 9.66 21.95
A Tabela 6.12 contém os resultados de dois modelos com dois valores do parâmetro Images per
Cluster. O aumento do número de 100 para 500 origina um modelo com um somatório de diferenças
ligeiramente menor e um tempo de processamento ligeiramente superior em relação ao modelo
com o parâmetro definido por defeito, respectivamente menos 8.78% e mais 7.25%. Não se trata
assim de um parâmetro em que a alteração de valores seja um aspecto muito significativo para o
resultado do modelo final, no entanto pode ser benéfico aumentar este número pois o ganho em
termos de aproximação do modelo à peça real tem sensivelmente o mesmo “custo” em relação ao
tempo de processamento.
Tabela 6.12 – Regard3D Densificação: Diferenças entre os Valores dos Modelos do Teste 3 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm] Modelo 100 Images per
Cluster Modelo 500 Images per
Cluster
A 33.11 0.33 0.71
B 19.26 0.99 1.35
C 17.49 1.16 0.45
G 61.93 1.86 2.18
K 35.30 1.06 1.23
L 60.05 0.87 0.37
M 35.59 2.61 1.81
Total [mm] 8.88 8.10
Tempo [min] 9.66 10.36
141
Se o valor seleccionado para o parâmetro anterior não tem grande impacto no modelo final, o
mesmo já não pode ser dito do parâmetro que se segue. Alterando o valor do Tamanho de Célula
(Cell Size) de 2 para 5 consegue-se reduzir a diferença das cotas do modelo para o valor das cotas
reias em 56.78%, e o tempo de processamento, ao contrário do que seria expectável face ao
decréscimo do somatório de diferenças, tem um ganho de 28.67%. Pela Tabela 6.13 observa-se que
todas as cotas do modelo com Tamanho de Célula 5 têm uma diferença em relação ao valor
verdadeiro sempre inferior ao modelo com o mesmo parâmetro definido em 2. De notar que apesar
da alteração do parâmetro, conseguiu-se fazer a medição de um total de oito cotas (Tabela 5.56)
contra as sete do modelo obtido com as configurações por defeito, mas que na cota B não é possível
de fazer qualquer medição devido ao ruído. As outras cotas possíveis de medir são as cotas F e I, com
uma diferença em termos absolutos para o valor real de 0.34 mm e 2.11 respectivamente. Se estes
valores fossem incluídos no somatório de diferenças, o mesmo totalizaria 5.66 mm de diferença, o
que ainda é um valor inferior aos 7.89 mm do somatório do outro modelo. Portanto, pode-se desde
já afirmar que um valor mais alto de Tamanho de Célula influência positivamente o modelo final em
termos de diferença dos valores das cotas e o número de cotas definidas.
Tabela 6.13 – Regard3D Densificação: Diferenças entre os Valores dos Modelos do Teste 4 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm] Modelo Tamanho de Célula 2 Modelo Tamanho de Célula 5
A 33.11 0.33 0.15
C 17.49 1.16 0.35
G 61.93 1.86 0.89
K 35.30 1.06 1.00
L 60.05 0.87 0.18
M 35.59 2.61 0.84
Total [mm] 7.89 3.41
Tempo [min] 9.66 6.89
O Teste 5 compara as consequências que um aumento do parâmetro Threshold proporciona, mais
precisamente do valor 0.7 para 0.9. Tal como o parâmetro Tamanho de Célula, alterando o valor de
Threshold para um valor superior, permite obter um somatório de diferenças muito menor,
sensivelmente metade (50.90%), e em menos 1.04 minutos (10.77%). Aumentando este parâmetro
resulta também um modelo final com muito menos ruído envolvente, o que se pode tornar uma
grande vantagem visto que é precisamente nas arestas e faces próximas da base da peça real que
surge grande parte do mesmo, distorcendo mesmo por vezes a forma do modelo real e tornando
impossível realizar a medição de cotas.
142
Tabela 6.14 – Regard3D Densificação: Diferenças entre os Valores dos Modelos do Teste 5 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm] Modelo Threshold 0.7 Modelo Threshold 0.9
A 33.11 0.33 0.76
B 19.26 0.99 0.23
C 17.49 1.16 0.20
G 61.93 1.86 1.35
K 35.30 1.06 0.96
L 60.05 0.87 0.17
M 35.59 2.61 0.69
Total [mm] 8.88 4.36
Tempo [min] 9.66 8.62
Na Tabela 6.15 estão expostos os resultados das diferenças entre cotas medidas e reais para o
modelo com o parâmetro wsize seleccionado com o valor por defeito e o modelo com o mesmo
parâmetro definido em 16. Apesar de se conseguir um modelo com diferenças menores – apenas a
cota G apresenta uma diferença maior –, aumentar o valor do parâmetro implica também um tempo
de processamento muito superior, 72.67%, o que pode representar uma contrariedade se se tiver a
trabalhar com um projecto com um grande número de fotos e levar mesmo a que o modelo final não
seja conseguido, visto que o tempo de processamento sugere que o esforço pedido ao equipamento
é bastante elevado.
Tabela 6.15 – Regard3D Densificação: Diferenças entre os Valores dos Modelos do Teste 6 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm] Modelo wsize 7 Modelo wsize 16
A 33.11 0.33 0.03
B 19.26 0.99 0.78
C 17.49 1.16 0.55
G 61.93 1.86 2.30
K 35.30 1.06 1.18
L 60.05 0.87 0.29
M 35.59 2.61 1.64
Total [mm] 8.88 6.77
Tempo [min] 9.66 16.68
143
O parâmetro que se segue, Número Mínimo de Imagens, é de extrema importância no que se trata
de obter um modelo o mais similar possível à peça verdadeira. Tal como referido no capítulo do
procedimento do programa, se o parâmetro estiver definido para o valor 2, é possível que sejam
criados pontos falsos, dependendo da qualidade da textura da peça. Ora o programa avalia também
a qualidade da textura pela qualidade das fotos, o que pode implicar que um conjunto de fotografias
de fraca qualidade permita o surgimento dos tais pontos falsos. Pelos dados recolhidos do Teste 7
(Tabela 6.16) pode-se verificar que para o mesmo conjunto de fotografias, aumentando o valor do
parâmetro de 2 para 3 resulta numa redução de diferença entre o valor medido e o valor real em
todas as cotas, e mais uma vez ao contrário do esperado, um menor tempo de processamento. A
diferença de somatórios é menor em cerca de um terço do modelo obtido pelo valor de defeito, o
que indica que a mais valia é substancial para a qualidade do modelo final, quer em termos de
aproximação das cotas ao seu valor real (devido ao menor números de pontos falsos), quer em
termos de tempo de processamento, que apesar de ser semelhante não traduz nenhuma
contrariedade.
Tabela 6.16 – Regard3D Densificação: Diferenças entre os Valores dos Modelos do Teste 7 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm] Modelo Número Mínimo de
Imagens 2 Modelo Número Mínimo de
Imagens 3
A 33.11 0.33 0.07
B 19.26 0.99 0.36
C 17.49 1.16 0.48
G 61.93 1.86 1.52
K 35.30 1.06 0.91
L 60.05 0.87 0.60
M 35.59 2.61 2.06
Total [mm] 8.88 6.00
Tempo [min] 9.66 9.54
Por último, em termos de testes da fase de Densificação, surge a comparação do único parâmetro do
método MVE de possível análise, a Largura de Filtro. Pela Tabela 6.17 é desde logo possível afirmar
que o aumento do valor de 5 para 9 não é viável, pois a um aumento de 119.73% no tempo de
processamento há que se acrescentar um aumento de 24.08% no somatório de diferenças.
Teoricamente, seleccionado um valor superior deveria resultar num modelo com melhores
resultados, como referido no capítulo 4.2.1, no entanto seleccionando um valor 9 tal não se
verificou.
144
É provável que o parâmetro ou não esteja optimizado (versão não final) ou que o valor seleccionado
fosse demasiado grande, o que levou ao programa a originar um tamanho de patch (remendo)
desadequado para as dimensões da figura.
Tabela 6.17 – Regard3D Densificação: Diferenças entre os Valores dos Modelos do Teste 8 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm] Modelo Largura de Filtro 5 Modelo Largura de Filtro 9
A 33.11 0.87 0.70
B 19.26 0.81 0.55
C 17.49 0.21 0.59
G 61.93 1.75 2.12
K 35.30 0.48 1.17
L 60.05 0.37 0.38
M 35.59 0.66 0.88
Total [mm] 5.15 6.39
Tempo [min] 21.95 48.23
6.2.4. Análise dos Resultados da Criação de Superfície
Dos cinco testes realizados para a fase de Criação de Superfície, três pertencem a parâmetros do
método Poison Surface Reconstruction e dois ao método Floating Scale Surface Reconstruction. Os
modelos comparados no Teste 1, com o parâmetro Samples per Node de valores 1 e 13, têm as
diferenças das medições das cotas em relação ao seu valor real registadas na Tabela 6.18, onde o
modelo com o valor do parâmetro superior apresenta um somatório de diferenças menor, com o
tempo de processamento quase inalterado.
Tabela 6.18 – Regard3D Superfície: Diferenças entre os Valores dos Modelos do Teste 1 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm] Modelo Samples per Node 1 Modelo Samples per Node 13
A 33.11 0.33 0.77
B 19.26 0.99 1.02
C 17.49 1.16 0.98
G 61.93 1.86 0.92
K 35.30 1.06 0.89
L 60.05 0.87 0.65
M 35.59 2.61 2.03
Total [mm] 8.88 7.26
Tempo [min] 9.66 9.63
145
O segundo teste indica que modificar o parâmetro Point Weight para o dobro do valor seleccionado
por defeito, de 4 para 8, origina um modelo com um somatório de diferenças 32.77% inferior em
sensivelmente o mesmo tempo de processamento. Assim, como este parâmetro especifica a
importância da interpolação dos pontos de amostragem, o teste sugere que quanto maior for o peso
da interpolação no cálculo da superfície mais exacto será o valor das dimensões das cotas do modelo
final.
Tabela 6.19 – Regard3D Superfície: Diferenças entre os Valores dos Modelos do Teste 2 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm] Modelo Point Weight 4 Modelo Point Weight 8
A 33.11 0.33 0.00
B 19.26 0.99 0.21
C 17.49 1.16 0.29
G 61.93 1.86 1.88
K 35.30 1.06 1.08
L 60.05 0.87 0.30
M 35.59 2.61 2.21
Total [mm] 8.88 5.97
Tempo [min] 9.66 9.67
Visto que o parâmetro Trim Threshold é aquele que determina o excesso de superfície criada, e como
o Regard3D acrescenta grandes áreas de superfície suplementares, para o Teste 3 são comparados
três modelos com o valor mínimo possível (1), o valor médio e seleccionado por defeito (5) e o valor
máximo possível (9). Pela Tabela 6.20 pode-se retirar a ilação que independentemente de um valor
alto ou baixo do parâmetro, não é significativo o seu impacto no tempo de processamento. Na Figura
6.9 é possível observar os três modelos com os diferentes valores do parâmetro, e é claramente
visível a diferença de áreas a rodear a forma da peça que vão diminuindo à medida que o parâmetro
é aumentado, bem como os furos da mesma que não se encontram fechados no modelo de valor 9.
Apesar de não ser possível retirar todo o ruído sem ferramentas adicionais de outros programas, é
perceptível que parte da superfície que serve de base à peça está presente ao longo dos três
modelos, é bastante útil seleccionar o valor máximo de forma a que o ruído criado seja diminuto.
146
Figura 6.9 – Os Três Modelos Obtidos com Diferentes Valores de Trim Threshold (da esquerda para a direita: 1, 5 e 9 respectivamente)
Já em termos de diferenças entre os valores medidos e os valores reais, é o modelo com o menor
valor de Trim Threshold que apresenta melhores resultados em relação aos restantes, mas, mesmo
assim, o modelo com o parâmetro mais elevado consegue ter um somatório de diferenças inferior
àquele que pertence ao modelo com a configuração intermédia (e por defeito). Ou seja, o valor por
defeito é menos exacto mas apresenta uma porção de área envolvente que se encontra entre os dois
outros modelos. O modelo com o parâmetro 9 tem duas cotas em particular, as cotas G e M, com
uma diferença acima do que foi verificado nos restantes modelos. Ora essas cotas partilham uma
aresta, o que pode indicar que a aresta em comum não está bem reconstruída, provavelmente
devido ao Trim Threshold elevado, no entanto seria lógico o pensamento que se a área envolvente
reduziu então a aresta tenha perdido alguns pontos. No entanto, os valores medidos das ditas cotas
são superiores aos valores reais (Tabela 5.78), o que parece indicar o contrário, ou seja, que apesar
de os pontos envolventes à forma da peça reduzirem, em algumas arestas são acrescentados pontos,
mas apenas se o modelo final pudesse ser ter todo medido – pela Figura 6.10 é perceptível que o
ruído contínua bastante presente – é que seria possível retirar essa dedução com maior certeza.
Tabela 6.20 – Regard3D Superfície: Diferenças entre os Valores dos Modelos do Teste 3 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor Verdadeiro
Identificação Valor de
Referência [mm]
Modelo Trim Threshold 1
Modelo Trim Threshold 5
Modelo Trim Threshold 9
A 33.11 0.09 0.33 0.12
B 19.26 0.35 0.99 0.43
C 17.49 0.23 1.16 0.51
G 61.93 2.13 1.86 2.52
K 35.30 1.46 1.06 1.56
L 60.05 0.05 0.87 0.36
M 35.59 2.35 2.61 3.19
Total [mm] 6.66 8.88 8.69
Tempo [min] 9.88 9.66 9.97
147
Figura 6.10 – Regard3D: Modelo com Ruído
Já dentro do método Floating Scale Surface Reconstruction, o Teste 4 compara modelos com o
parâmetro Confidence Threshold diferentes. O modelo obtido com os parâmetros por defeito,
referido anteriormente, tinha um tempo de execução muito elevado em comparação com os
modelos obtidos por o outro método. Alterando o parâmetro Confidence Threshold de 1 para 10, do
valor mínimo para o máximo, o resultado é um somatório de diferenças um pouco mais elevado, mas
principalmente, um aumento do tempo de processamento em 40.36%. O parâmetro em questão
limita os contornos da geometria da peça, mas como ilustra a Figura 6.11, o valor máximo
seleccionado limita em demasiado, pois cria várias áreas vazias, em que a ausência de pontos leva
que o modelo final pareça fragmentado.
Figura 6.11 – Regard3D: Modelo Fragmentado
148
Tabela 6.21 – Regard3D Superfície: Diferenças entre os Valores dos Modelos do Teste 4 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm] Modelo Confidence Threshold
1 Modelo Confidence Threshold
10
A 33.11 0.87 1.44
B 19.26 0.81 0.90
C 17.49 0.21 0.25
G 61.93 1.75 2.25
K 35.30 0.48 0.74
L 60.05 0.37 0.15
M 35.59 0.66 0.16
Total [mm] 5.15 5.89
Tempo [min] 21.95 30.81
Tabela 6.22 – Regard3D Superfície: Diferenças entre os Valores dos Modelos do Teste 5 e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor de
Referência [mm] Modelo Minimum Component
Size 1010 Modelo Minimum Component
Size 4068
A 33.11 0.87 0.16
B 19.26 0.81 0.23
C 17.49 0.21 0.25
G 61.93 1.75 1.38
K 35.30 0.48 0.84
L 60.05 0.37 0.09
M 35.59 0.66 0.51
Total [mm] 5.15 3.46
Tempo [min] 21.95 28.89
O parâmetro Minimum Component Size é o alvo do último teste, com um aumento de 1010 para
4068, tendo como resultado um decréscimo de 32.82% no somatório das diferenças mas com um
aumento de 31.62% no tempo de processamento. O ganho em termos de exactidão dos valores das
cotas é equivalente ao investimento no tempo de processamento. Em termos de ruído, apesar das
áreas envolventes à peça diminuírem, em certas zonas dá-se um aglomerado de forma quase
cilíndrica de ruído (Figura 6.12).
149
Figura 6.12 – Regard3D: Modelo com Ruído Aglomerado em Forma Cilíndrica
6.3. Construção dos Modelos das Peças B, C e D
Após a análise dos resultados para ambos os programas, os modelos das restantes peças são obtidos
com base nos dados recolhidos. Assim, para os modelos reconstruídos pelo PhotoScan, a fase de
Alinhamento é definida com 40 000 pontos-chave e 4000 pontos-nó com uma precisão Elevada,
evitando que o processamento não seja interrompido por falta de memória do equipamento se fosse
escolhida a precisão Muito Elevada, e com a pré-selecção dos pares desactivada. A Construção da
Nuvem Densa é configurada com uma qualidade também Elevada e com o modo Agressive para a
Filtragem de Profundidade. Por fim, a Construção do Modelo tem como origem a nuvem densa e com
uma contagem Média do número de faces, para que o modelo final seja facilmente aberto noutros
programas, e com a opção de Extrapolação desligada. No Regard3D, os parâmetros seleccionados
estão indicados na Tabela 6.23. Infelizmente, a Peça C não foi possível reconstruir de forma a que se
pudesse medir alguma cota, principalmente devido ao ruído presente. Mesmo alterando os vários
parâmetros e tirando novos conjuntos de fotografias, nunca o modelo final foi considerado aceitável,
e como tal a Peça C apenas foi reconstruído pelo PhotoScan.
150
Figura 6.13 – PhotoScan: Parâmetros utilizados na Construção dos Modelos
Tabela 6.23 – Regard3D: Parâmetros Utilizados na Construção dos Modelos
Correspondências Triangulação Densificação Superfície
Keipoint Sensivity
High (0.0005)
Incremental CMVS/PMVS Samples per Node
13
Keypoint Matching
Ratio
High (0.8)
Refine Camara Intrinsics
Use Visibility Information On Point
Weight 8
Images per Cluster 500 Thrim
Threshold 1
Cell Size 5 Threshold 0.9 wsize 7 Min. Image Number 3
151
6.3.1. Peça B
A Peça B utilizou o maior número de fotografias, 113, e exigiu que fossem separadas em dois
conjuntos para a reconstrução pelo Regard3D, pois o programa apenas consegue criar modelos num
ângulo de 180°. Na Figura 6.14 é possível ver a peça real e os dois modelos tridimensionais, em que
estes dois últimos são claramente reconhecíveis como representações da peça real, onde grande
parte da superfície se encontra reconstruída. Neste caso, como existem várias zonas onde as
fotografias iriam captar apenas sombra por causa das cavidades, optou-se por movimentar a câmara
ao longo de uma metade e capturando a peça de vários ângulos, seguido o mesmo método para a
outra metade. Deste modo, as áreas com buracos foram, na sua maioria, evitadas, aproximando os
dois modelos à peça real.
Figura 6.14 – Peça B: a) Peça Real; b) Modelo Obtido pelo PhotoScan e Já Convertido em Sólido; c) Modelo de Cada Metade da Obtido pelo Regard3D)
Como grande parte da peça foi modelada no SolidWorks através do recurso à importação de
fotografias, e como com o paquímetro não é possível medir ângulos, as cotas seleccionadas para
analisar a precisão do modelo não abrangem toda a peça. As mesmas são apresentadas na figura
abaixo. Tal como já tinha sido referido para a Peça A, os modelos do Regard3D não permitem medir
o mesmo número de cotas devido ao ruído e a áreas não reconstruídas. Assim, as cotas H, I, J, N e O
não puderam ser medidas e os seus valores registados.
152
Na Tabela 6.24 estão calculadas as diferenças entre os valores medidos das cotas dos modelos e os
valores da peça real medidos pelo paquímetro. Além das cinco cotas impossíveis de realizar qualquer
medição, de relembrar que o modelo do Regard3D apenas corresponde a cerca de metade da peça, e
o ruído é imenso comparado com o pouco verificado no modelo do PhotoScan.
Figura 6.15 – Cotas da Peça B Seleccionadas para a Análise da Exactidão
153
Tabela 6.24 – Peça B: Diferenças entre os Valores dos 2 Modelos e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor Verdadeiro
[mm] Modelo PhotoScan Modelo Regard3D
A 25.19 0.65 -2.58% 1.02 4.05%
B 11.50 0.54 -4.70% 1.34 -11.65%
C 5.86 0.72 12.29% 1.43 -24.40%
D 3.31 0.94 28.40% 0.50 15.11%
E 18.50 1.06 -5.73% 0.27 1.46%
F 71.04 1.38 -1.94% 1.67 2.35%
G 6.26 0.22 -3.51% 0.71 11.34%
H 16.96 0.63 -3.71% - -
I 107.05 0.24 -0.22% - -
J 16.87 1.84 -10.91% - -
K 72.04 1.62 -2.25% 2.63 3.65%
L 5.59 1.50 -26.83% 1.00 -17.89%
M 45.59 0.20 -0.44% 1.21 2.65%
N 6.54 0.72 -11.01% - -
O 139.89 2.29 -1.64% - -
P 11.82 0.61 -5.16% 1.03 8.71%
Q 9.39 1.16 -12.35% 0.59 6.28%
Total [mm] 16.32 13.40
6.3.2. Peça C
Tal como já mencionado, a Peça C não teve nenhum modelo obtido pelo Regard3D que permitiu
realizar medições, pois não é claramente perceptível os limites da peça, visto que o ruído rodeia todo
o modelo. Utilizando o PhotoScan, apenas usando os marcadores foi possível que o modelo tivesse
toda a sua geometria definida. No entanto, devido a ser uma peça com uma espessura de apenas
2.46 mm, o modelo resultante não tem nenhuma espessura mensurável, e quando usada qualquer
ferramenta de conversão para sólido, o modelo acaba por perder quase toda a sua superfície. No
entanto é perceptível pela imagem abaixo que a restante geometria da peça é conservada, mas que
o ruído acumulado é muito superior ao das restantes peças do PhotoScan.
Figura 6.16 – Peça C: Peça Real e o Modelo Obtido pelo PhotoScan
154
Figura 6.17 – Cotas da Peça C Seleccionadas para a Análise da Exactidão
As cotas da peça real medidas pelo paquímetro, excepto a correspondente à dimensão da espessura,
foram comparadas com as cotas do modelo final. Se o modelo fosse sólido, as cotas do seu perímetro
estariam melhor definidas, pois as arestas não estariam fragmentadas como ilustrado na Figura 6.18,
e que dificultam imenso as medições. A remoção do ruído tem que ser feita com algum cuidado, pois
estando as arestas fragmentadas, ou seja, várias pequenas faces não ligadas a nada, uma ferramenta
de remoção automática poderá implicar que parte da superfície do modelo seja removida
involuntariamente.
Tabela 6.25 – Peça C: Diferenças entre os Valores do Modelo e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor Verdadeiro
[mm] Modelo PhotoScan
A 30.49 0.19 0.62%
B 29.74 1.53 -5.14%
C 7.79 0.01 0.13%
D 29.20 0.62 -2.12%
E 30.41 1.38 -4.54%
F 29.18 1.06 -3.63%
G 29.77 0.69 -2.32%
H 143.24 4.31 -3.01%
I 7.64 0.73 -9.55%
J 7.54 0.73 -9.68%
Total [mm] 11.25
155
Figura 6.18 – Peça C: Arestas Fragmentadas
6.3.3. Peça D
A última peça partilha do mesmo problema verificado acima, ou seja, como a espessura é mais uma
vez muito pequena, 1.08 mm, também o modelo obtido pelo PhotoScan não tem profundidade, mas
as arestas já se encontram muito melhor definidas. Também não é possível transformar o modelo
em sólido sem se perder a geometria da peça, mas ao contrário do modelo da Peça C, este modelo
tem as suas arestas definidas e com muito pouco ruído. Não foi necessário o recurso a marcadores
de qualquer género, e facilmente quer um quer outro programa conseguiram construir o modelo.
Pelo Regard3D o resultado tem bastante ruído, principalmente ao longo das arestas, e em certas
áreas o modelo tem grandes buracos, como mostrado em baixo. No entanto as medições continuam
a ser possíveis de realizar.
Figura 6.19 – Peça D: A Peça Real, o Modelo Obtido pelo PhotoScan e o Modelo Obtido pelo Regard3D (esq-dir)
156
Figura 6.20 – Cotas da Peça D Seleccionadas para a Análise da Exactidão
Os modelos apresentam poucas cotas que possam ser comparáveis com os valores medidos pelo
paquímetro, Tabela 6.26, mas em termos de exactidão, pelo somatório das diferenças os dois
modelos são quase equivalentes. Mas como o modelo do Regard3D não é fechado, é muito menos
similar à peça real D.
Tabela 6.26 – Peça D: Diferenças entre os Valores dos 2 Modelos e a Peça Real
Cota Diferença [mm] entre o Valor Médio Medido e o Valor
Verdadeiro
Identificação Valor Verdadeiro
[mm] Modelo PhotoScan Modelo Regard3D
A 18.37 1.08 -5.88% 0.24 -1.31%
B 4.24 0.00 0.00% 0.23 5.42%
C 39.04 1.24 -3.18% 2.44 6.25%
D 44.92 1.51 -3.36% 2.02 4.50%
E 6.58 0.13 -1.98% 0.25 3.80%
F 30.08 0.60 -1.99% 1.30 4.32%
G 21.37 1.06 -4.96% 0.06 0.28%
Total [mm] 5.62 6.54
157
7. Conclusões
7.1. Conclusões Gerais
Com este estudo ficou comprovado que, com um equipamento de captura de fotografias e um
software baseado no método Structure from Motion é possível reconstruir um modelo tridimensional
de uma peça real. É no entanto necessário salientar que, por vezes, há que realizar mais que uma
iteração para que o modelo final se aproxime, geometricamente, da peça verdadeira. Como o alvo
destes dois programas utilizados, o Agisoft PhotoScan e o Regard3D, não são a reconstrução de
objectos de reduzidas dimensões, os resultados de algumas das peças poderão não ser os
pretendidos, tal como se verificou nas peças C e D, que por terem uma espessura consideravelmente
pequena, respectivamente, 2.46 mm e 1.08mm, os modelos não possuem qualquer profundidade.
Nas peças A e B, já com uma dimensão superior, os resultados são bastantes satisfatórios,
principalmente nos modelos obtidos pelo PhotoScan, conseguindo modelos completamente
fechados. É aqui que surge a principal fraqueza do Regard3D, a impossibilidade de fazer uma
reconstrução superior a um ângulo de 180°, ou seja, não é possível criar um modelo da peça real,
uma vez que o sólido só é reconstruído parcialmente. A juntar a isso, há que ter em conta a grande
quantidade de ruído. É claro que falta alguma optimização no funcionamento do programa, mas se o
ruído não for uma desvantagem, este software trabalha bastante bem em termos de superfícies,
sendo ainda para mais uma ferramenta disponível gratuitamente.
158
Um comando de remoção de ruído, particularmente nas fases finais, seria uma mais-valia, pois o
Regard3D não tem essa funcionalidade, o que impossibilitada a resolução de um problema
identificado, pois o ruído vai sendo perceptível entre as várias etapas.
O PhotoScan além de possuir ferramentas de remoção do ruído, tem na sua ferramenta de criação de
máscaras nas fotografias a característica principal que permite a obtenção de modelos completos.
No entanto, é necessário investir muito tempo no tratamento das fotografias, e no caso de se tratar
de um projecto com um grande número de fotografias, poderá tornar-se pouco viável. Apesar de
neste estudo não estar testado a criação de um modelo sem máscara, um projecto sem a opção de
máscara leva a que os resultados sejam também apenas uma representação de 180° da superfície da
peça.
É seguro afirmar que, usando o PhotoScan na obtenção de um modelo final, com os parâmetros de
selecção adequados e fazendo uso das respectivas ferramentas, é possível almejar uma reconstrução
com alguma exactidão. Além dos parâmetros estarem seleccionados correctamente, há-que procurar
capturar fotografias com a melhor qualidade possível, pois se as fotografias estiverem muito mal
focadas ou que não cubram toda a área da peça real, é indicativo que o modelo final não será muito
exacto.
Os desvios verificados entre as cotas de referência e os valores lineares medidos através dos
programas computacionais, variam, em termos gerais, entre as centésimas de milímetro e os quatro
milímetros – a maior diferença foi de 4.31 mm na cota de maior comprimento (143.24 mm) -, o que
em situações em que as tolerâncias se enquadrem dentro dessa ordem, a aplicação da técnica
Structure from Motion em componentes mecânicos é viável.
Pelos resultados das medições dos valores dos volumes e áreas dos modelos completos (apenas os
conseguidos pelo PhotoScan) por meio das ferramentas dos programas, os modelos encontram-se
bastantes próximos do modelo reconstruído pela medição das cotas com o paquímetro. Para os
modelos completos, o volume varia entre os 40.1576 cm3 e os 44.0586 cm3, e a área total da
superfície entre os 132.0325 cm2 e os 139.1861 cm2, não muito longe dos 38.6590 cm3 e 130.0475
cm2, respectivamente, calculados pelo SolidWorks através do sólido com as cotas medidas pelo
paquímetro. Esta pequena discrepância entre valores poderá ser consequência quer do ruído
presente (sendo acrescentado pontos não pertencentes à peça real), quer da reconstrução feita nas
zonas onde existe ausência de informação.
159
7.2. Futuros Trabalhos
Com base neste trabalho realizado, poderá ser interessante ir acompanhando as novas versões dos
softwares utilizados, que com certeza, irão trazer melhorias e a adição de novas ferramentas, na
esperança de que peças com pouca espessura e com diferentes superfícies consigam ser
transformadas em sólido. Além de que, principalmente no Regard3D – que ainda não é uma versão
final –, os parâmetros que, neste momento, não permitiram obter nenhum resultado concreto
poderão possibilitar outro tipo de soluções.
Outro alvo de um projecto posterior, poderá ser a articulação do método Structure from Motion com
outro método de obtenção de dados tridimensionais, de forma a que o modelo obtido consiga ser o
resultado de pontos mais exactos, levando a que a diferença de valores das cotas entre modelos
tridimensionais e peças reias seja reduzida. Ainda como hipótese, procurar optimizar os parâmetros
de selecção para cada tipo de material e condições de luminosidade da fotografia.
160
161
Bibliografia
1. Eilam, E., Reversing: Secrets of Reverse Engineering. 2005, Indianapolis, Indiana: Wiley
Publishing Inc.
2. Varady, T., R.R. Martin, and J. Cox, Reverse Engineering of Geometric Models - An
Introduction. 1996.
3. Messler Jr, R.W., Reverse Engineering Mechanisms, Structures, Systems & Materials. 2014,
Nova York: McGraw.Hill Education.
4. Systemes, D., Khufu Reborn. 2006.
5. Creaform, Reverse Engineering of Physical Objects - Teaching Manual. 2014.
6. Karsnitz;, J.R., S. O'Brien;, and J.P. Hutchinson, Engineering Design: An Introduction. Second
Edition ed. 2013, Clifton Park, Nova York: Delmar Cengage Learning.
7. Vernon, D., Machine Vision: Automated Visual Inspection and Robot Vision. 1991, Hemel
Hempstead: Prentice Hall.
8. Johnson, A.E. and M. Hebert, Control of Polygonal Mesh Resolution for 3-D Computer Vision.
Graphical Models and Image Processing, 1998. 60(4).
9. Kovács, I., T. Várady, and P. Salvi, Applying geometric constraints for perfecting CAD models
in reverse engineering. Graphical Models, 2015.
10. Raja, V.I.F., Kiran J, Reverse Engineering: An Industrial Perspective. 2008, Londres: Springer.
11. Valkenburg, R.J. and A.M. McIvor, Accurate 3D measurement using a structured light system.
Image and Vision Computing, 1998. 16: p. 99-110.
162
12. Jain, R., R. Kasturi, and B.G. Schunck, Machine Vision. 1995, Nova York: McGraw-Hill.
13. Klette, R., K. Schlüns, and A. Koschan, Computer Vision. 1998, Singapore: Springer-Verlag.
14. Sharpe Jr., W.N., Springer Handbook of Experimental Solid Mechanics. 2008, Nova York:
Springer.
15. Watanabe, M. and S.K. Nayar, Rational Filters for Passive Depth from Defocus. International
Journal of Computer Vision, 1997. 27(3): p. 203 - 225.
16. Aydin, T. and Y.S. Akgul, A New Adaptive Focus Measure for Shape From Focus. 2008: p. 8.1-
8.10.
17. Watanabe, M., S.K. Nayar, and M. Noguchi, Real-Time Computation of Depth from Defocus.
Proceedings of The International Society for Optical Engineering (SPIE), 1996. 2599: p. 14 -
25.
18. Nayar, S.K., M. Watanabe, and M. Noguchi, Real-Time Focus Range Sensor, in IEEE
International Conference on Computer Vision (ICCV). 1995. p. 995 - 1001.
19. Shirai, Y., Three-Dimensional Computer Vision. 1987, Berlim: Springer-Verlag.
20. Mehring, M. and V.A. Weberruss, Object-Oriented Magnetic Resonance: Classes and Objects,
Calculations and Computations. 2001: Academic Press.
21. Manganelli, M., Measuring the Real World with High-Performance Scanning Systems, in
Quality Digest. 2000. p. 37 - 41.
22. Giri, D., M. Jouaneh, and B. Stucker, Error sources in a 3-D reverse engineering process.
Precision Engineering, 2004. 28(3): p. 242-251.
23. Jebara, T., A. Azarbayejani, and A. Pentland, 3D Structure From 2D Motion. IEEE Signal
Process. Mag. 3D Stereosc. Visual Commun, 1999. 16(3): p. 66-84.
24. Varga, M., Practical Image Processing and Computer Vision. 2009, Austrália: John Wiley &
Sons Australia.
25. Tell, D., Wide Baseline Matching with Applications to Visual Servoing, in Numerical Analysis
and Computing Science. 2002, Royal Institute of Technology: Estocolmo. p. 1541–7283–254–
1.
26. LLC, A., Agisoft PhotoScan User Manual: Professional Edition, Version 1.2. 2016.
27. Chatterjee, A. and V.M. Govindu, Efficient and Robust Large-Scale Rotation Averaging. 2013:
p. 521-528.
163
28. Martinec, D., Robust Multiview Reconstruction, in Department of Cybernetics. 2008, Czech
Technical University: Prague.
29. Moulon, P., P. Monasse, and R. Marlet, Global Fusion of Relative Motions for Robust,
Accurate and Scalable Structure from Motion, in International Conference on Computer
Vision. 2013: Sydney.
30. Wilson, K. and N. Snavely, Robust Global Translations with 1DSfM, in European Conference on
Computer Vision. 2014: Zurique.
164
165
Anexos
Tabela 0.1 – Peça A: Resultados das Correspondências (40 000/1000)
Pontos-Chave 40 000
Pontos-Nó 1000
Pontos
Precisão Média Mínimo Máximo Sucesso
Muito Elevada 7049 6864 7162 100%
Elevada 8467 8341 8576 100%
Média 11116 11035 11178 100%
Baixa 4634 4396 5373 0%
Muito Baixa 649 641 662 0%
Tabela 0.2 - Peça A: Resultados das Correspondências (100 000/1000)
Pontos-Chave 100 000
Pontos-Nó 1000
Pontos
Precisão Média Mínimo Máximo Sucesso
Muito Elevada 5561 5444 5658 100%
Elevada 8344 8113 8590 100%
Média 11049 10971 11157 100%
Baixa 4965 4388 5434 60%
Muito Baixa 625 607 663 0%
166
Tabela 0.3 - Peça A: Resultados das Correspondências (Máximo/1000)
Pontos-Chave Máximo
Pontos-Nó 1000
Pontos
Precisão Média Mínimo Máximo Sucesso
Muito Elevada 5307 5250 5387 100%
Elevada 8544 8405 8766 100%
Média 11070 10968 11126 100%
Baixa 4530 3490 5435 20%
Muito Baixa 651 616 678 0%
Tabela 0.4 - Peça A: Resultados das Correspondências (40 000/4000)
Pontos-Chave 40 000
Pontos-Nó 4000
Pontos
Precisão Média Mínimo Máximo Sucesso
Muito Elevada 57962 57842 58171 100%
Elevada 48968 48850 49122 100%
Média 23476 23402 23592 100%
Baixa 4650 4420 5409 0%
Muito Baixa 651 605 688 0%
Tabela 0.5 - Resultados das Correspondências (100 000/4000)
Pontos-Chave 100 000
Pontos-Nó 4000
Pontos
Precisão Média Mínimo Máximo Sucesso
Muito Elevada 51653 51443 51928 100%
Elevada 48988 48917 49055 100%
Média 23532 23468 23614 100%
Baixa 4838 4168 5235 40%
Muito Baixa 628 609 662 0%
167
Tabela 0.6 - Resultados das Correspondências (Máximo/4000)
Pontos-Chave Máximo
Pontos-Nó 4000
Pontos
Precisão Média Mínimo Máximo Sucesso
Muito Elevada 49933 49802 50062 100%
Elevada 48917 48775 49072 100%
Média 23518 23397 23573 100%
Baixa 4587 4158 5407 20%
Muito Baixa 609 568 662 0%
Tabela 0.7 - Características do Equipamento Utilizado
Modelo HP ProDesk 490 G2 MT
Processador Intel Core i7-4790 CPU 3.60GHz
RAM 12 GB
Tipo de Sistema 64 bits
Tabela 0.8 – Peça A: Tempos de Correspondências e Alinhamento
Pontos-Chave 40 000 100 000 Máximo 40 000 100 000 Máximo
Pontos-Nó 1000 1000 1000 4000 4000 4000
Tempo [min]
Precisão Matching
Muito Elevada 16.17 29.18 33.30 16.45 29.20 33.36
Elevada 6.03 6.03 6.05 6.03 6.03 6.05
Média 1.63 1.65 1.63 1.65 1.63 1.63
Baixa 0.67 0.68 0.67 0.67 0.67 0.67
Muito Baixa 0.43 0.43 0.45 0.42 0.43 0.43
Precisão Alignment Muito Elevada 0.12 0.10 0.12 0.54 0.49 0.51
Elevada 0.17 0.13 0.15 0.47 0.42 0.47
Média 0.20 0.17 0.22 0.22 0.23 0.30
Baixa 0.12 0.13 0.12 0.15 0.13 0.15
Muito Baixa 0.02 0.02 0.02 0.03 0.02 0.03
Precisão Total Muito Elevada 16.28 29.28 33.42 16.99 29.69 33.87
Elevada 6.20 6.17 6.20 6.50 6.45 6.52
Média 1.83 1.82 1.85 1.87 1.87 1.93
Baixa 0.78 0.82 0.78 0.82 0.80 0.82
Muito Baixa 0.45 0.45 0.47 0.45 0.45 0.47
168